公司与模型
Meta 的 Llama 与 Muse 系列模型、超级智能实验室与 Meta AI 产品。
4 条精选近 30 天 1 条共收录 75 条
Meta 工程团队发文介绍其数据管道智能体采用的薄编排器架构，用约1300行代码把20多条工作流路由到14个专家子智能体，编排层自身不做任何领域推理。此前单个全能智能体在生产环境中出现概念串扰和幻觉，改为确定性路由加隔离上下文的专家分工后，新增列配置的准备时间从手工三到四天降到一小时以内，约三分之二的改动无需大量人工修改。
可拿走薄编排器加14个专家子智能体的分层做法，7步固定协议里只有委派一步走LLM，落到软件工厂能替换单agent串行派活，代价是要先拆清领域边界并维护25+知识文件。
Apple 发布新版 MLX，演示在 Mac Studio 上本地运行近万亿参数的 Muse Spark Open，四台 M5 Ultra 集群解码速度超过 36 tokens/s。
能拿走 mlx.launch 配 jaccl 后端跑流水线/张量并行的完整命令和 OpenCode 接本地 server 的配置，落到本地模型部署这条线，前提是 macOS 26.2 加 Thunderbolt 5 双线互联，816B 模型仍需四台机器才跑得动。
Together AI 作为 Day 0 发布伙伴上线 Meta 的开放权重模型 Muse Spark Open，可通过 Together API 以 meta-models/Muse-Spark-Open-816B-A42B 调用。
能直接照抄 Together API 的调用示例和 meta-models/Muse-Spark-Open-816B-A42B 模型名接入，落到软件工厂的长任务编码线；代价是 1M 上下文按 $1.25/1M 输入、$4.25/1M 输出计费，缓存输入才降到 $0.15。
Meta 开源 Muse Spark Open，这是一个约 816B 总参数、每 token 激活约 42B 的多模态 MoE 模型，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
能拿走 BF16/NVFP4 两种 checkpoint 的部署配方、llama.cpp 2-bit 量化在 512GB Mac 上跑 18 tokens/s 的实测，以及只训注意力层 LoRA、冻结专家的 TRL 微调脚本；落到本地模型部署和软件工厂两条线，代价是 816B 全量专家常驻内存，BF16 约 1.5TB。