跳到正文

#Meta

今日 2 条
今天10月15日周四
10月14日周三
  1. 钛媒体46

    国内外大厂疯抢Muse入口,个人Agent为何在国内仍是伪命题

    Meta个人智能体Muse日均净新增用户从9月峰值的19.8万人降至7.4万人,降幅62.4%,上线满月DAU未破300万。字节"小豆"、腾讯"小微"与LightVela、阿里"千问Go!"、蚂蚁灵光2.0及Manus的Cue相继卡位个人Agent。国内超级App已压缩操作路径,加上跨生态权限封锁与摩根士丹利测算的每用户每月最高130美元成本,通用Agent难落地。

10月13日周二
  1. MIT Technology Review · AI24

    开放模型确有实际益处,但它们是否利大于弊?

    Anthropic 发布报告称中国公司 Z.ai 于 8 月开源的 GLM-5.3 构成重大网络攻击风险,理由是任何人可自由下载和修改该模型。这场争论的核心是开放权重模型的安全风险与权力分散价值:开源模型可下载、可重训、可观察内部结构与思维链,成本通常低于闭源模型,但截至发稿 Artificial Analysis LLM 排行榜前八名仍全部为闭源模型。

10月12日周一
10月11日周日
  1. 钛媒体39

    抱歉,AI眼镜目前仍是个“鸡肋”

    AI眼镜出货量高增,但仍缺乏不可替代的核心需求。Counterpoint Research数据显示,2026年上半年全球AI眼镜出货量同比增长263%,其中无显示屏产品占约96%出货份额;Security.org调查中,52%的智能眼镜拥有者看重免手持视频拍摄,选择AI助手的仅40%。文章认为,AI眼镜必须翻越硬件重量、语音交互局限与持续感知隐私三座大山,从概念演示走向日常刚需。

10月10日周六
  1. Interconnects · Nathan Lambert31

    Nathan Lambert:AI 将迎快速工程进步,但不会走向通用超级智能

    Nathan Lambert 认为 AI 的快速进步主要来自基础设施与工程能力的加速,模型将在几年内成为超人的分布式 GPU 工程师,但这不会让模型本质发生剧变。他指出,训练与推理指标高度可验证、可优化,模型智能的有效成本未来几年或近指数级下降,预训练研究(架构与数据选择)有望在 2-3 年内自动化;而 RL 环境质量普遍低劣是另一块可修复的工业级低垂果实。

10月9日周五
  1. 钛媒体36

    Robotaxi 竞赛从技术参数转向合作联盟

    Robotaxi 进入商业化阶段,技术性能已从核心优势降为入场门槛。中国企业转向结盟:哈啰加码算力与基础模型,滴滴联合广汽埃安分工软件与整车,T3 联手商汤,百度 Apollo Go 与 Uber、Lyft 试水海外,曹操依托吉利产业链。Waymo 也深化与吉利合作以保障车辆供应。

10月8日周四
10月7日周三
10月6日周二
  1. 钛媒体64

    卖铲人不灵了:AI资本开支的4%回报比,正在重定价整个算力链

    文章梳理微软、谷歌、亚马逊、Meta合计约7300亿美元的年度资本开支与约250亿美元直接AI年收入,二者比值仅约4%,认为市场已从奖励花钱转向惩罚花钱。报道援引分析称,资本开支已消耗巨头约90%的经营现金流,五大厂商表外义务约1.65万亿美元,自2022年以来膨胀约八倍,并给出开支占现金流比例、AI收入对开支比值、巨头与芯片股相关性三类观察指标。

10月4日周日
10月3日周六
10月2日周五
9月26日周六
  1. Simon Willison71

    John Gruber:Meta 智能体 Muse 看似可爱,实则危险

    John Gruber 引用 Meta 智能体 Muse 指出,该产品技术上具有突破性,每位用户可获得运行在 Meta 云端的完整持久 Linux VM,且安装使用门槛低,被包装成可爱的吉祥物,是首个面向普通消费者的智能体 AI 系统。但他认为消费者未必理解它的强大与危险,尤其当它运行在用户的 Mac 上时。

9月22日周二
  1. MIT Technology Review · AI34

    MIT Technology Review:别被这个夏天的 AI 炒作骗了

    这个夏天 AI 炒作密集:Anthropic 称 Claude Mythos 漏洞挖掘强于多数安全专家,OpenAI 与 Hugging Face 发生黑客事件,两家又先后宣称数学突破。专家复核后称,黑客事件更多是 OpenAI 安全疏忽,数学结果也没那么新颖,甚至有数学家指控抄袭。文章警告“超级智能”叙事是营销,意在让公司逃避责任。

9月11日周五
9月4日周五
8月17日周一
  1. Interconnects · Nathan Lambert26

    Nathan Lambert:开源模型生态为何愈发依赖 Nvidia 的“造 token 机器”

    Nathan Lambert 认为,开源模型生态正越来越依赖 Nvidia 的投入,后者据报道已为此花费 260 亿美元。他把带完整训练配方、数据和代码的开源语言模型比作 Linux,而只放权重和推理代码的开源权重模型更像具体软件版本。若这套投入无法带来与 Anthropic、OpenAI API 相当的回报,开源模型或转向偏效率、可修改和专用化的长尾路线。

7月30日周四
6月19日周五
12月18日周一
  1. Hugging Face Blog42

    Hugging Face 回顾 2023:开源大语言模型的爆发之年

    Hugging Face 发布 2023 年开源 LLM 回顾,指出公众对开源与闭源之争的关注度大幅上升,开源模型有利于研究可复现、社区参与和 checkpoint 复用。文章梳理了预训练大语言模型的构成要素(架构、训练数据集、tokenizer、超参数),并回顾 2022 年的代表性开源模型,包括 176B 参数、覆盖 46 种人类语言的 BLOOM 和 Meta 的 175B 参数 OPT。