Meta推出新应用Pocket，用户可通过AI提示词生成小型互动游戏和应用。该应用源自Meta今年早些时候收购的vibe-coding游戏平台Gizmo团队，界面与Gizmo原有应用高度相似，并提供可浏览他人作品的发现信息流。Pocket于6月29日上线App Store和Google Play，目前处于初期实验阶段，Meta尚未正式宣布。其前身Gizmo在iOS和Google Play累计安装63.5万次，正面评价占比98%。

Meta向约6000名员工发送内部备忘录，警告2026年内部AI使用成本已接近数十亿美元。员工在约30天内消耗了73.7万亿token，公司内部排行榜“Claudeonomics”追踪了这些数据。CTO Andrew Bosworth指出token用量不代表影响力。Meta将部署集中监控平台“AI Gateway”，并计划于2027年实施正式token预算，同时引导员工从Anthropic的Claude转向内部编码助手MetaCode。

Rohan Paul@rohanpaul_ai

42

Meta 新论文发现，后训练量化虽能缩小推理模型、降低部署成本，但会导致模型在已得出正确答案后反复自我怀疑，浪费 token。量化在不确定的词选择上引入噪声，使模型更倾向使用“wait”“but”“alternatively”等词重新开启推理。在 5 个推理模型（1.5B-32B）的数学、编程和科学任务上，激进量化使过度思考失败率最高达 52%。通过给 50 个犹豫词施以小惩罚，可剪掉 12%-23% 的推理长度，同时保持甚至提升准确率。

Rohan Paul@rohanpaul_ai

74

Rohan Paul: Meta is turning excess AI compute into a cloud business after shares jumped more than 10%. Meta built huge AI infrastruc...

Rohan Paul@rohanpaul_ai

66

Meta 利用为自有模型、广告和助手建设的大型 AI 基础设施产生的过剩算力，计划向开发者出租模型访问（类似 AWS Bedrock）及原始算力。消息引发股价剧烈反应：Meta 涨超 10%，而 AI 云公司 CoreWeave 跌 10.8%、Nebius 跌 12.4%。Zuckerberg 此前透露外部公司几乎每周都向 Meta 请求算力。此举既降低 Meta 对广告收入的依赖，也证明其 AI 建设的外部价值，但云业务涉及计费、安全、工具支持等复杂环节，Meta 难以快速成为 AWS 级别的云服务商。

Meta效仿SpaceX，将大量购入的Nvidia GPU闲置算力转售给外部客户，而非全部用于自家模型训练，也可能在基础设施上提供AI模型访问。消息公布后Meta股价上涨约10%。SpaceX此前将原为xAI购买的GPU容量租给Anthropic（每月12.5亿美元）和Google（每月9.2亿美元）。Meta今年AI基础设施支出高达1450亿美元，并裁员以筹集资金。转售过剩算力符合财务逻辑，也表明其自研模型（如今年4月发布的Muse Spark）并未消耗全部算力。

Meta FAIR 团队发布 Brain2Qwerty v2，从非侵入性 MEG 脑信号重建完整句子。九名志愿者输入 22000 句，平均词错误率 39%，最佳参与者 22%。v2 采用异步连续信号窗口，无需击键时间戳。模型使用三个 AI 构建块，包括基于 Qwen3 微调的语言模型将噪声信号转为连贯句子。字符错误率 31%，高于 v1 N-gram 模型的 26%，但词错误率和语义准确率更优。当前与植入式系统（词错误率 <2%）仍有差距，但数据量增加后精度持续提升。

Chubby♨️@kimmonismus

66

Meta 已投入数百亿美元建设 AI 数据中心和芯片，现计划通过出售多余 AI 算力和托管模型来变现。据 Bloomberg 报道，Meta 的商业模式将覆盖两个方向：类似 AWS Bedrock 的模型托管服务，以及类似 CoreWeave 的裸 GPU 算力租赁。这一举动将 Meta 推入拥挤但利润丰厚的赛道，同时也回应了投资者对巨额支出如何转化为收入的持续质疑。

Meta 正在规划一项新的云基础设施业务，拟将闲置的 AI 算力和自研模型（包括 Muse Spark 模型）通过类似亚马逊 AWS Bedrock 的模式对外提供调用权限，并向开发者收取使用费。同时，Meta 也在考虑出租“底层算力”。这些新业务隶属于 Meta Compute 内部项目。此举将使 Meta 与亚马逊 AWS、微软 Azure、谷歌云直接竞争。

Meta 近日更新 AI 眼镜“对话增强”规则：免费用户每月限 3 小时，订阅 Meta One Premium（19.99 美元/月）可获 15 小时。该功能于 2025 年 9 月 Connect 大会推出，利用本地芯片及波束成形技术实现离线运行，不消耗云端算力。此举被质疑为人为付费门槛。Meta One 订阅服务（含 7.99–49.99 美元/月多档）目前在新加坡、危地马拉、玻利维亚限量测试。Meta 称使用眼镜无需订阅，仅对部分功能设“使用频率限制”。

Meta AI 推出 Brain2Qwerty v2，一种无需手术植入即可实时从脑电波解码句子的非侵入式系统。基于脑磁图（MEG）设备记录 9 名志愿者各 10 小时的打字脑活动，训练约 22,000 个句子，采用端到端深度学习并微调大语言模型。词准确率达 61%，最佳参与者达 78%，远超其他非侵入方法的 8%。解码精度随数据量对数线性提升，有望进一步缩小与手术方法的差距。Meta 已开源 v1 和 v2 训练代码，合作方 BCBL 开放 v1 数据集。

扎克伯格认为 AI 不必然造成大规模失业，关键在于企业应优先发展“个人超级智能”赋能个体，而非将所有知识工作自动化。他影射 Anthropic、OpenAI，强调劳动者生产力提升速度须超过企业自动化速度，就业岗位才可能增加。Meta 已投入数十亿美元调整 AI 战略，他称之为“重启”。对于 Meta 生成式 AI 进展，他坦言仍有提升空间，超级智能实验室成立不足一年，模型进展超预期，但他认为“原本可以做得更好”。

Rohan Paul@rohanpaul_ai

51

Meta开源非侵入式脑机接口系统Brain2Qwerty v2，通过读取MEG头盔采集的脑信号实现文字输出，无需植入电极。9名志愿者每人录入约10小时、共约2.2万句神经活动数据。系统平均词准确率61%，最强参与者达78%；超50%句子解码误差不超过1个词。v2版本联合映射脑信号到字符、词汇及完整句义，深度学习直接从原始信号学习模式，再经微调LLM利用上下文修正错误。相比早期非侵入方法8%的准确率显著提升，且准确率随训练数据量增加而提高。

Meta 推出 Brain2Qwerty v2 非侵入式脑机接口研究，利用脑磁图（MEG）设备记录脑部磁场信号，通过 AI 模型还原自然语言。模型基于 9 名志愿者约 10 小时、22000 句子数据训练，并利用上下文补全噪声信号。实验显示平均单词识别准确率约 61%，最佳受试者达 78%，超半数测试句子错误不超过 1 个单词。目前仍需大型实验室级 MEG 设备，距离实用化有差距。Meta 已在 GitHub 开源训练代码，v2 数据集待论文接收后开放。

Meta AI 近日发布 Brain2Qwerty v2，一种基于非侵入式脑磁图（MEG）信号的实时脑到文本解码管线，无需植入或手术。系统在 9 名志愿者约 22,000 句打字数据上训练（每人 10 小时），平均词准确率 61%（WER 39%），最高参与者达 78%，超过半数句子错误不超过一个词。管线由卷积编码器、Transformer 和字符级语言模型组成，并微调大语言模型提取语义表征，用 AI 智能体自动化改进解码流程但最终配置由人工选定。Meta 同时以 CC BY-NC 4.0 协议开源 v1 和 v2 训练代码。

Meta 在 ISCA 2026 大会发布自研 Vistara ASIC 方案，通过 CXL 2.0/1.1 规范的 PCIe Gen5 x16 接口将拆机 DDR4 内存桥接到新服务器。每台 MemServer 配备 768GB DDR5 和 256GB DDR4（3:1 配比），单个 ASIC 支持双通道 DDR4 最高 3200 MT/s、最大 256GB。该方案已在数百万台服务器中用于分离式机器学习推理、大数据处理等场景，可将推理服务器数量最多减少 25%，分布式缓存平均延迟降低 29%。

小互@xiaohu

75

Meta 发布 Brain2Qwerty v2，无需手术植入，仅佩戴 MEG（脑磁图）头盔即可将大脑磁信号实时解码为连贯句子。字词准确率达 61%，约为其他无创脑机接口方法（8%）的 7.6 倍；最佳参与者达 78%，超半数句子只差一个词。Meta 称这是目前性能最高的非侵入式脑机接口系统。

Chubby♨️@kimmonismus

56

Meta发布Brain2Qwerty v2，一种非侵入式脑机接口系统，能从实时脑信号解码完整自然句子，单词准确率达61%。系统基于约22000个句子训练，9名志愿者每人使用MEG记录10小时。相比此前非侵入方法8%的准确率大幅提升，最佳参与者达78%，超半数解码句子仅错一个词或更少。该端到端管线能实时将原始脑信号解码为单词和语义。但研究仍在受控实验室阶段：参与者样本小、依赖MEG硬件、数据来自主动打字、结果由公司报告，尚未成为临床通信设备。Meta已开源训练代码，BCBL发布v1数据集。

AI at Meta: We're sharing the next major milestone in our non-invasive brain-to-text decoder research: Brain2Qwerty v2. Building on ...

Rohan Paul@rohanpaul_ai

53

The Information报道，Meta已限制工程师使用Anthropic的Claude Code和OpenAI的Codex，原因是为防止竞争对手模型输出污染Meta自身AI训练数据，并引发合同纠纷。OpenAI和Anthropic的服务条款均禁止使用其输出来开发竞争模型。知识蒸馏风险在于即使意外复用竞品输出也可能被视为从竞争对手提取能力。建议的策略包括成分追踪：仅在不用于模型训练管线、评测集、基准生成、后训练数据、奖励模型数据及内部数据集时才使用竞品工具。典型防护措施有隔离规则、企业账户审批、训练数据溯源日志、数据集隔离及自动扫描“AI生成”标记等。

AYi@AYi_AInotes

71

AI at Meta: We're sharing the next major milestone in our non-invasive brain-to-text decoder research: Brain2Qwerty v2. Building on ...

Meta正限制工程师使用Anthropic的Claude Code和OpenAI的Codex，防止这些AI工具的输出被纳入自身训练数据，以避免能力蒸馏。内部备忘录警告若模型输出泄漏将导致与合作伙伴严重升级。Meta正自建编码助手MetaCode以降低对外部工具依赖，因今年内部AI使用预计花费数十亿美元。政策禁止使用AI输出来创建测试任务或进行代码分析，仍需人工审核。行业因此产生摩擦——Anthropic指控阿里巴巴实施迄今最大蒸馏攻击，马斯克承认xAI部分蒸馏OpenAI模型。OpenAI、Anthropic和Google的服务条款均禁止使用模型输出构建竞争系统。

Meta已限制其AI工程部门工程师使用Anthropic的Claude Code与OpenAI的Codex，以防止无意间触发蒸馏行为——借助竞品模型输出训练自家AI模型，该操作违反用户协议。这份5月出台、目前仍在生效的内部规范警告，若竞争对手的AI输出渗入训练数据，可能引发与合作企业之间的严重纠纷。Meta发言人表示有明确政策规范团队以负责任方式使用AI工具。

elvis@omarsar0

77

AI at Meta: We're sharing the next major milestone in our non-invasive brain-to-text decoder research: Brain2Qwerty v2. Building on ...

Chubby♨️@kimmonismus

50

Meta 正面临每个 AI 公司都会遇到的难题：想用内部系统 MetaCode 取代 Claude Code、Codex 等昂贵的外部编码工具，但在构建更好的编码模型时，必须确保不意外地使用竞争对手模型的输出进行训练或评估。这就是知识蒸馏陷阱——公司越依赖前沿模型建设内部 AI 基础设施，就越难证明智能来源的独立性。

meng shao@shao__meng

16

vas: BREAKING: US Government Bans Llama 4, citing concerns that it is "just really bad"

Rohan Paul@rohanpaul_ai

52

Google限制了Meta对Gemini模型的使用，原因是Meta要求的计算容量超出Google供应能力。Meta在安全自动化、客服、广告工具、编程及内部工作流中均依赖Gemini。Google面临自身云客户、Gemini产品与有限数据中心容量之间的资源竞争。Google Cloud 3月季度收入增至200亿美元，CEO Sundar Pichai表示计算容量短缺制约了增长，并导致未交付订单较前一季度近乎翻倍。

据英国《金融时报》报道，谷歌对Meta使用其Gemini AI模型设限。Meta寻求的计算容量超出谷歌所能提供，导致其部分内部AI项目受阻延迟。其他谷歌客户也受影响，程度较轻。Meta已鼓励员工提高AI token使用效率。

Meta 向谷歌申请的 Gemini 算力规模超出后者供给能力，谷歌现已对 Meta 调用其 Gemini 大模型实施使用限制。Alphabet 约在今年 3 月告知 Meta 无法满足所需算力，导致 Meta 多项内部 AI 项目受阻延期。Meta 已要求员工节约使用模型 token。谷歌一季度云营收达 200 亿美元，CEO 皮查伊表示算力供给瓶颈制约云业务增速，同时令云部门积压订单量环比近乎翻倍。

Meta 本周发布 Astryx（Beta），一个基于 React 和 StyleX 的开源设计系统。项目包含 90 多个 React 组件、模板和主题，内置十个可定制主题（default、neutral、chocolate 等），通过 CSS 变量级联实现全局统一样式。Astryx 提供 CLI（astryx/xds）和 MCP 服务器，可输出自描述 JSON 清单，AI 智能体无需解析 --help 即可直接调用命令搭建和文档化 UI。组件具有上下文感知间距补偿功能，消除双重内边距问题。许可证为 MIT。

Meta 于 6 月 26 日推出不锈钢充电底座，兼容雷朋联名眼镜和 Oakley Meta HSTN，但不支持带屏的雷朋 Display 眼镜。定价 60 美元（约 408.5 元）。充电底座采用不锈钢主体与硅胶防滑垫，重 108 克，支持快充：20 分钟充至 50%，1 小时充满。底座配有 USB-C 接口，包装内不含充电线和电源适配器。

Meta 在 Privacy-Aware Infrastructure (PAI) 的资产分类中采用混合模式：先构建含代码、血缘、语义标注的上下文证据，再调用 LLM 处理歧义、冷启动和新颖资产；人工审核标签与模型推荐严格隔离。LLM 不直接做生产决策，其稳定行为被蒸馏为版本化确定性规则用于生产执行，LLM 角色随规则积累逐步缩小。核心原则：上下文比提示词更重要、解耦评估与优化、将稳定行为规则化。

elvis@omarsar0

41

Meta 发布新研究 Autodata，提出 Agentic Self-Instruct 方法。该方法将 AI 智能体视为数据科学家，通过智能体规划与工具使用，替代传统手工调优后固定的合成数据流水线。该智能体自身可通过元优化持续改进，从而生成更强训练数据。实验在计算机科学、法律推理、数学对象推理三个领域均超越经典合成数据方法，且元优化带来更大提升。论文见 arxiv。

Rohan Paul@rohanpaul_ai

47

Meta提出Autodata，将合成数据生成视为智能体数据科学家的任务。核心方法“Agentic Self-Instruct”让AI智能体生成并元优化合成训练与评估数据。循环流程：生成示例→弱模型与强模型分别尝试→判断结果→修订配方直至示例处于有用区间。论文强调难度不是美德，示例应针对弱模型的学习点。关键结果：在法律任务上，4B模型训练后超越了更大的397B基线。