Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，团队进一步测试 AI 能否在尚无解法路径的开放问题上作出贡献。过去数月，数学家通过常规 meta.ai 聊天界面、无定制研究脚手架，与 Muse Spark 1.1 和 Muse Spark 1.2 的 Thinking Mode 协作求解，今天公开了其中六篇论文。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放数学问题论文，并说明人机分工与评审流程。
过去 6 个月…… - Muse Spark - Muse Image - Muse Video - Muse Spark 1.1 - Meta Model API - Muse Glimmer - Muse Spark 1.2 - Muse Code - Muse Spark 1.3 - Muse ……而我们才刚刚开始。🚀
Meta 发布 Muse Realtime Avatar，这项实时具身化技术把 Muse Realtime Voice 变成有表现力的可交互虚拟形象。该技术为 Muse 带来全新的交互范围，首批应用是实时对话。
推荐理由：Meta 把实时语音扩展为可交互的实时虚拟形象，读者可据此了解 Muse 交互形态的变化方向。
Meta 宣布 Muse 即日起在 Mac 上线，用户可在自己的电脑上直接让这个个人智能体完成任务，且所有操作都需用户明确授权。官方给出的示例包括整理下载文件夹、找回找不到的文件，以及汇总消息和笔记，并称后续还会增加更多能力。
推荐理由：Meta 官方公布 Muse 登陆 Mac，并列出个人智能体在本地可完成的三类任务与权限前提。
Meta 发布个人 AI 智能体 muse.ai，并同步发布一篇关于其系统安全设计的深度解析。Meta 表示，这类会随时间逐渐了解用户的智能体必然掌握大量用户上下文，这既是其价值来源，也是他们把 Muse 设计为安全、私密的原因。完整安全解析见 security.muse.ai。
推荐理由：Meta 官方发布个人 AI 智能体 Muse，并同步公开其安全机制设计，可了解智能体长期记忆与隐私的取舍。
Meta 发布个人智能体 Muse，由 Muse Spark 1.3 驱动，可在生活各方面替用户完成任务。官方同时给出介绍页面，展示 Muse 的构建过程与具体能力，并引导用户下载 Muse 应用。
推荐理由：Meta 官方发布个人智能体 Muse 并给出构建细节入口，可据此了解其能力定位与开放方式。
Meta 表示，为检验其推进 AI 研究前沿的进展，6 月将下一代自主 AI 研究系统 AIRA₃ 投入 NVIDIA 在 Kaggle 举办的实时竞赛，任务是对一个 30B Nemotron 模型做微调，教模型更好地推理，所有参赛者信息相同并由外部在私有测试集上评分。
推荐理由：Meta 官方披露 AIRA₃ 在 Kaggle 微调竞赛中击败人类队伍，可观察自主研究系统在真实评测中的表现。
Meta 宣布 Muse Spark 1.3 的 max 推理档已在 Muse Code 和 Meta Model API 上线。被引用的发布者表示，Muse Spark 1.3 max 在编码和智能体任务上表现明显更强，建议即使试过 high 或 xhigh 档的用户也尝试这一档。
推荐理由：Meta 官方发布 Muse Spark 1.3 max 推理档，读者可了解它在编码与智能体任务上的定位及可用入口。
Meta 发布 Muse Spark 1.3，在智能体与编码任务上性能提升，并强调真实场景可用性。新版本可在单一线程中持续处理多个工作流的长周期任务，会更主动地与用户协作，包括提出澄清问题、在卡住时提示、在执行有后果的操作前确认，同时对其自身能力边界有更好的校准，减少编造结果。内部对比显示，相比 Muse Spark 1.2，工具调用减少约 20%，token 消耗减少约 25%。
推荐理由：官方给出 Muse Spark 1.3 在智能体与编码任务上的能力变化，以及工具调用和 token 消耗的对比数据。
Meta Superintelligence Labs 发布 Muse Voice Transcribe，这是其首个实时音频感知模型，支持实时流式 ASR、20 人以上说话人分离和端点检测。该模型支持多语言并无缝切换语种，可通过语言、关键词和上下文偏置提升准确率。Meta 称其在 Artificial Analysis 流式语音转文字评测和公开说话人分离基准上排名第一。
推荐理由：Meta 发布实时语音感知模型，给出流式 ASR、说话人分离与多语言能力，可对照现有语音方案。
Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多样交付格式下的复杂真实任务。该框架采用人类与智能体偏好评判的胜率和 Elo 分数，而非严格的标准答案评分标准，从而扩展了实际多模态工作流的任务覆盖范围。Meta 已从该基准中开放 10 个任务，以衡量多模态智能体的实际效用。
Meta 发布 Muse Spark 1.2，支持从视觉生成可运行代码、将感知转化为物理动作，并具备音视频理解能力以应对企业级视频工作流。官方同时公布了新的评测与演示，展示该模型在视觉理解与推理上的覆盖范围，其中包括解析多模态观测并调用工具引导机器人在非结构化环境中寻找橡皮鸭。
推荐理由：Meta 官方给出 Muse Spark 1.2 的多模态评测与演示，可了解其在视觉理解与工具调用上的能力边界。
Meta 发布 Muse Glimmer，一个 30B 参数的开源权重模型，面向本地常驻智能体工作流。该模型在关键智能体用例和基准上表现优于同尺寸领先模型，可完全运行在 Mac 或配备高性能 GPU 的 PC 等消费级硬件上。模型权重以宽松的 Apache 2.0 许可发布。
推荐理由：Meta 开源 30B 端侧智能体模型，可据此判断消费级硬件上常驻 Agent 的可行边界。
Meta 让自家 AI 模型参加五场 STEM 奥赛，以检验推理能力是否取得实质进展。结果为亚洲物理奥赛（APhO）和国际物理奥赛（IPhO）理论考试满分，国际数学奥赛（IMO）金牌，国际化学奥赛（IChO）和罗马尼亚数学大师赛（RMM）达到金牌水平。为测试纯推理能力，比赛全程禁用一切工具，包括搜索、写代码和计算器。
推荐理由：Meta 公布模型在五场 STEM 奥赛中的成绩与禁用工具设定，可据此观察纯推理能力的评测方式。
Meta 发布终端编码智能体 Muse Code（beta），面向长周期软件工程，由新的 Muse Spark 1.2 模型驱动。官方称它能规划、实现并验证大型代码仓库中的复杂多文件改动，并借助持久化子智能体更快、更准确地解决难题，减少人工干预。
推荐理由：Meta 官方发布终端编码智能体 Muse Code 与配套模型，读者可了解其面向长周期多文件改动的定位。
为加速科学发现并支持 @ENERGY 的 Genesis Mission，由 @BerkeleyLab 主导的 SYNAPS-I 项目正在使用 SAM 3 和 DINOv3 来自动化图像分割。 通过将 DINOv3 的全局语义上下文和细粒度空间定位与 SAM 3 的像素级边界提取相结合，研究人员能够将 3D 体积标注从一个月的人工工作压缩到约 15 分钟。 了解他们的工作详情：https://go.meta.me/01aed3
我们听到了你们的呼声，很高兴宣布 Muse Spark 1.1 现已在 @OpenRouter 上线，面向美国开发者。 我们期待看到社区的创作。
Meta AI 提交模型参加亚洲物理奥赛（APhO）理论考试，取得 30/30 满分，与排名前三的学生选手并列。Meta AI 表示此举是为展示其模型的先进推理与多模态能力，并感谢 APhO 委员会允许模型参赛。
推荐理由：Meta AI 让模型参加亚洲物理奥赛理论考试并拿到满分，读者可据此了解前沿模型在竞赛级推理上的表现。
我们让几位领袖提前体验了 Muse Spark 1.1，以下是他们的评价：
Meta 发布 Muse Spark 1.1，是今年早些时候首个 Muse Spark 模型之后的重大升级。随此次发布，Meta 同时开放新 Meta Model API 的公开预览，开发者可通过该 API 访问 Muse Spark 1.1。该模型现已在 Meta AI 应用和 meta.ai 上线 Thinking 模式。
推荐理由：Meta 发布 Muse Spark 1.1 并开放 Meta Model API 预览，读者可据此了解新模型与开发者接入方式。