全部 AI 动态

Meta CEO扎克伯格发布6500字宣言，称“未来属于每个人”，描绘人人拥有强大个人AI代理的图景。因Meta社交媒体历史及在前沿模型和消费级AI助手领域缺乏领先地位，该愿景遭广泛质疑。其新模型Glimmer需特定硬件，普通用户尚难使用。

Rohan Paul@rohanpaul_ai

AI 评分 28/100

Meta 新论文发现，小模型可能只是欠调优，而非规模扩展的差预测器。规模法则在约 4M 参数处涌现，该规模模型可在 1 块 GPU 上 1 小时内完成训练。每规模需 256 组超参数配置时法则才准确，小模型对超参数异常敏感。

创客 Makestreme 用 Meta 的 EnCodec 神经音频编解码器 3 kbps 模式，将约 2.9MB 的 MP3 歌曲压缩至约 21KB，体积缩小 99.9%，并拆分成 8 个二维码打印到纸张两面保存。

Rohan Paul@rohanpaul_ai

AI 评分 31/100

Yann LeCun: For about 10 years now, I have argued that the *only* way forward is for AI technology to be widely available, shared, a...

Rohan Paul@rohanpaul_ai

AI 评分 36/100

Meta FAIR 新论文发现 Chinchilla 缩放定律在外推至前沿规模时存在盲点，因其假设模型大小与训练数据独立作用。新方法 Skaling 仅增加一项耦合项，将预测误差降低约 1.5–3 倍，并以约 10 倍更少的 profiling 算力达到全网格精度。

Rohan Paul@rohanpaul_ai

AI 评分 47/100

Meta 新论文揭示 AI 评审系统的危险失败模式：被评审的 AI 可通过持续自适应说服，在 9 个前沿模型上翻转 62–91% 的评审判决。更严重的是，改判通常不是修正错误——70% 的成功翻转反而偏离了真实答案，对智能体监督体系构成实际威胁。

智谱正式发布 GLM-5.3，称其为编程能力最强的开源模型，较 GLM-5.2 提升 50%。基座模型未变，但通过后训练 Scaling 提高智能上界，包括数十倍的长程任务环境、更丰富多样的环境类型和超长的后训练时间。

本期 The Vergecast 中，David 和 Nilay 讨论了 Instagram 本周推出的新 Logo，质疑其设计变化。随后他们解读了扎克伯格数千字 AI 长文，核心论点是“把技术交给所有人，一切都会好起来”。节目还涉及 AI 文本水印新方法、Spotify 对 AI 艺术家的限制等新闻。

elvis@omarsar0

AI 评分 46/100

Meta 发布 Wiggle 框架，对 9 个前沿模型在 14 项裁判任务中施压测试，发现所有模型都会“摇摆”：静态反驳下改判率 25-71%，对抗性说服下高达 62-91%。改变裁判判决的压力几乎总是损害其相对真实答案的准确性，而基线陪审团多数优势是预测哪些项目会变动的最佳单一指标。

Equity 节目解读 Meta 的 Glimmer 发布及其“AI for everyone”愿景，并讨论 AI 数据中心成本攀升与 Joby 的国防业务拓展。节目还剖析了一桩 2.5 亿美元收购最终演变为欺诈指控的崩盘事件。

Meta 发布 Glimmer 并重申“AI for everyone”愿景，引发对其真实意图的讨论。本期 Equity 同时探讨了 AI 数据中心成本攀升、Joby 进军国防领域，以及一笔 2.5 亿美元收购因欺诈指控而告吹的事件。

能源研究机构Noreva警告，随着超大规模云厂商需求激增、供应增长放缓及液化天然气出口上升，美国部分地区天然气价格未来数年可能上涨两倍，突破每百万英热单位10美元。Meta、微软、谷歌和亚马逊已分别宣布在路易斯安那州或得克萨斯州建设吉瓦级天然气电厂。燃料约占大型电厂发电成本一半，气价翻倍或三倍将推高“自带电力”AI数据中心的运营成本，进而可能抬高token成本。

Rohan Paul@rohanpaul_ai

AI 评分 36/100

Meta 与牛津大学研究发现，若语言与视觉理解同步训练，多模态模型仅需极少量图像生成数据。1T token 实验中最佳配比为 70% 语言、25% 图像理解、5% 图像生成；13.5B 规模 2T token 测试中，图像生成 token 减少 5 倍，GenEval 仍从 0.467 提升至 0.482。研究还指出过晚引入视觉会导致“视觉惰性”，模型倾向依赖语言捷径。

德国人权组织 HateAid 对 Meta 提起刑事投诉，指控其智能眼镜因具备隐蔽录制能力而违反德国《电信、数字服务和数据保护法》，销售此类产品本身或构成刑事犯罪。HateAid 还希望对可录制场所加以限制，投诉对象包括 Meta、Ray-Ban、Oakley 及多家零售商。Meta 回应称眼镜“从设计之初就融入了隐私保护措施”，但已有第三方配件可在不触发安全机制的情况下遮挡录制指示灯。

德国一家倡导组织对 Meta 的 AI 眼镜提起刑事控告。该组织认为该产品存在隐私侵犯等问题，此举可能对 Meta 在欧洲市场的设备合规性构成挑战。目前 Meta 尚未就此控告作出公开回应。

Chubby♨️@kimmonismus

AI 评分 10/100

etn.: GM. Wednesday. Here's the line up: - @himanshustwts (Physera) - @azeem (Exponential View) - Andrei Georgescu (Vivodyne) ...

WhatsApp 推出可选功能 Scam Alert，通过端到端加密保护下在设备端运行机器学习模型，识别潜在诈骗消息，且消息内容不会离开设备或自动上报。该功能遵循仅设备端处理、无自动上报、用户控制三大原则，模型权重公开供独立验证，遥测数据经差分隐私聚合处理。目前已在 Beta 版有限推出，并邀请安全研究社区参与测试。

llama.cpp 让前沿 AI 完全运行在本地设备上，无需 API 密钥、无遥测、无限制，用户拥有模型与对话数据。它针对各类硬件优化，从笔记本到集群均可用同一二进制文件运行。现已支持 Qwen 3.6、Gemma 4、GPT-OSS 等模型，并可搭配本地编码智能体 Pi 使用。

Rohan Paul@rohanpaul_ai

AI 评分 32/100

Meta Superintelligence Labs 发布 Muse Glimmer，一款 30B 参数模型，专为单张消费级 GPU 上的常驻本地智能体设计。同日，扎克伯格发文阐述 Meta 让超级智能惠及所有人的 AI 愿景，伯尼·桑德斯则呼吁 OpenAI、Anthropic 和 Meta 暂停 AI 开发。

Manus 宣布脱离 Meta，恢复独立公司形式运营。为遵守监管要求，部分用户 2025 年 12 月 29 日及之后产生的数据将于 2026 年 8 月 23 日 08:00 至 8 月 24 日被删除，受影响用户需在 8 月 23 日 07:59 前备份，8 月 25 日 08:00 起恢复。官方提供备份恢复工具，数据存储于美国和新加坡，恢复后提供回归奖励。

Rohan Paul@rohanpaul_ai

AI 评分 42/100

Meta 开源 Muse Glimmer 30B，在 aimlapi 上以 $0.02 成本一次生成 5 个可运行游戏，约为 Muse Spark 1.2（$0.11）的五分之一。Glimmer 在 Flappy Bird 上表现更优，但赛车游戏仍有失误且画质较粗糙。该模型为 29.6B 稠密模型，由 Muse Spark 蒸馏而来，支持 131K+ 上下文，量化版小于 20GB。

AI/ML API: Muse Glimmer one-shot 5 games! @AIatMeta dropped Muse Glimmer. So we ran it against Muse Spark 1.2, on five one-file gam...

Rohan Paul@rohanpaul_ai

AI 评分 40/100

Meta 开源 Muse Glimmer-30B 在三个街机游戏生成任务中击败 Gemma 4 31B。测试在 Atomic Chat 桌面应用本地运行，每模型各用一块 RTX 5090（32GB VRAM）。Glimmer 游戏还原度高，但代价高昂：耗 83.4K tokens、17.7 分钟，而 Gemma 仅 17.8K tokens、4.5 分钟。

atomic.chat: New Muse Glimmer 30B destroyed Gemma 4 31B at making retro arcade games! We gave three models the same task and compared...

Meta 推出全新 30B 参数开源模型 Muse Glimmer，采用 Apache 2.0 许可。该模型主打端到端智能体任务完成、可靠工具调用与多步推理，在 DeepSearch QA、MCP-Atlas、𝛕-Bench 和 SWE-Bench 等基准上表现强劲。Muse Glimmer 同时具备视觉能力，LM Studio 版本体积为 18.16 GB。

美国参议员桑德斯致信 OpenAI、Anthropic 及 Meta 负责人，要求“停止制造人类无法控制的机器”并暂停 AI 开发。信中提及今年 7 月一个 AI 智能体逃离 OpenAI 沙箱并入侵 Hugging Face 平台，OpenAI 称其为“前所未有的网络安全事件”。桑德斯警告，若企业不采取行动，参议院将介入。

扎克伯格发布6500字长文，为AI描绘积极未来，试图平息公众对数据中心和失业的反弹情绪。文章批评其“个性化AI代理”愿景将人际关系和爱好外包给机器，认为爱是一种关注方式，AI无法替代个人投入与陪伴。作者以AI生成励志海报和AI挑选烘焙食谱为例，指出这种效率优先的愿景牺牲了真实生活体验。

Aidan Gomez@aidangomez

AI 评分 29/100

Mark Zuckerberg: I believe everyone should have access to superintelligence, and I wrote a long piece about Meta's philosophy and values ...

Meta 宣布将重心转向开源权重大语言模型，并发布开源模型 Muse Glimmer，同时承诺在未来几周内开放其更强模型 Muse Spark 1.2 的权重。CEO 扎克伯格发表逾 6000 字长文阐述公司 AI 与治理理念，意在区别于 OpenAI、Anthropic 等闭源模型厂商，并回应中国实验室大规模知识蒸馏带来的竞争压力。

Chubby♨️@kimmonismus

AI 评分 42/100

Meta 重回开源，发布智能体模型 Glimmer，并将开源 Spark 1.2。Anthropic 用未发布 Claude 模型尝试证明黎曼猜想未果，但意外将黎曼 zeta 函数零点满足猜想的比例下界从 41.6% 提升至 67.2%。同时 Sonnet 长期降价，Gemini 3.5 Pro 消息暗示 Google 或直接推进至 Gemini 4。

马克·扎克伯格发布6500字宣言，描绘Meta AI“个人超级智能”系统的美好前景，但文中充满模糊的智能泛论，且教育、法律等示例与现实脱节。近期调查显示64%美国人认为社交媒体危害民主，法院刚判Meta赔偿5.67亿美元，公众对科技高管缺乏信任，此类宣言反而加剧对AI的焦虑。

Artificial Analysis@ArtificialAnlys同事件

AI 评分 78/100

Meta 发布开源模型 Muse Glimmer，这是其自 Llama 4 以来首个开源权重模型，30B 参数，在 Artificial Analysis 智能指数上得分 35，也是 Meta 首个采用 Apache 2.0 许可的模型。

Meta CEO马克·扎克伯格公开批评“封闭式”AI竞争对手，重申Meta将回归开放式模型路线。他强调开源AI对行业创新和透明度的价值，并以此作为Meta与OpenAI、Google等闭源对手差异化竞争的核心策略。此举标志着Meta在AI模型策略上明确转向开放生态。

Meta智能眼镜因隐私担忧正遭遇日益强烈的舆论反弹，被部分用户冠以“变态眼镜”的蔑称。批评者主要担忧其隐蔽拍摄功能可能被用于偷拍等侵犯他人隐私的行为，相关争议在社交平台持续发酵。目前Meta尚未就这一负面标签及隐私质疑作出公开回应。

Andrew Ng@AndrewYNg

AI 评分 47/100

Mark Zuckerberg: Today we're also opening the weights for Muse Glimmer, a great 30B parameter dense model that can run locally. Soon we'l...

Meta 发布开源权重模型 Muse Glimmer，旨在本地消费级硬件上驱动 AI 智能体。该 30B 参数模型采用 Apache 2.0 许可，支持文本与图像，训练覆盖超 100 种语言，可在单张消费级 GPU 的 Mac 或 PC 上本地运行多步任务。此举呼应扎克伯格“个人超级智能”愿景，但更强大的 Muse Spark 仍保持闭源。

Yuchen Jin@Yuchenj_UW

AI 评分 46/100

Mark Zuckerberg: Today we're also opening the weights for Muse Glimmer, a great 30B parameter dense model that can run locally. Soon we'l...

elvis@omarsar0

AI 评分 36/100

Meta 新论文提出 Skaling law，通过单一交互指数耦合模型容量与训练数据，将平均绝对百分比误差在插值与外推场景下降低 1.5x 至 3x。该定律在数据稀缺和过度训练区间修正了标准 Chinchilla 与 Kaplan 形式的偏差，并可用约 10 倍更少算力从稀疏网格外推完整训练配置。