ballbet贝博·艾弗森官网

刚刚小扎砸143亿的「牛油果」来了!硬刚GPT-54硅谷最贵华人首作
栏目:体育动态 发布时间:2026-04-13 07:12:54

  【新智元导读】太猛了!Meta超级智能实验室沉寂9个月,首个大作Muse Spark深夜炸场。跑分直接从18飙到52,盘中暴涨10%,小扎这143亿美元花得太值了。

  它是真正的「全能六边形战士」:原生多模态感知、工具调用、视觉思维链、多Agent编排,全点满。

  九个月前我们从零重建了整个AI技术栈,新基础设施、新架构、新数据管线。Muse Spark就是这些工作的成果。

  MSL团队的华人研究员也集体刷屏,这些人去年从OpenAI、DeepMind跳槽到一个刚组建的实验室,赌的就是今天。

  MSL首席科学家Shengjia Zhao说得很直白,「我们重构了整个技术栈来支撑Scaling,这才刚刚开始」。

  只需输入「帮我规划一个5口之家去佛罗里达的7天文化美食行程,3个孩子分别12、9、7岁」,Muse Spark就会同时派出三个子Agent,一个规划美食文化路线,一个搜索亲子活动,一个协调物流和住宿

  目前,模型已在meta.ai和Meta AI App上线,API预览版向部分用户开放。

  ·原生多模态 + 视觉思维链,视觉赛道仅次于Gemini 3.1 Pro

  Meta自己也承认了,在代码和长时间Agent任务上,Muse Spark和最强模型还有差距。

  不过,令全网震撼的是,Muse Spark可以直接将图片转化成代码,效果非常惊艳!

  Meta在训练阶段和1000多名临床医生合作的数据清洗和筛选,确实带来了实打实的效果。

  一句话总结跑分,多模态和健康打赢了,思考持平,代码和Agent差一口气。

  更值得一提的是,在Vals指数排行榜上,Muse Spark强势夺得第三名,具体指标如下。

  传统思考模式是一个Agent花更长时间想,沉思模式是多个Agent同时想,最后汇总答案。

  整体看,沉思模式让Muse Spark在最难的综合思考任务上,确实摸到了第一梯队的门槛。

  拍一张数独照片,Muse Spark能把它变成一个可以在网页上玩的互动游戏。

  拍咖啡机和磨豆机,它先标出所有核心部件,然后生成一份网页版互动拿铁教程。

  鼠标悬停到某个步骤时,照片中对应部件的边界框自动高亮,视觉指引和操作步骤一一对应。

  拍一桌子食物,告诉它「我胆固醇偏高,是鱼素者」,Muse Spark会在推荐的食物上打绿点,不建议的打红点。

  健康评分的数字不用悬停就直接显示在点的正上方,悬停后弹出详细的卡路里、碳水、蛋白质和脂肪数据,而且弹出框的层级被要求「永远在最上层,不能被其他点挡住」。

  它识别出每个姿势拉伸了哪些肌肉群,标注难度级别,悬停后还能给出体态纠正建议。两个人的图左右拼在一起,按1到10分分别打分。

  这些demo背后的底层支撑是视觉STEM问答、实体识别和目标定位的组合。

  单项看都不稀奇,但串联成场景后,确实能看到「个人超级智能」这个词背后的产品意图。

  Wang在推文中说,购物模式能「识别你在Instagram、Facebook和Threads上关注的创作者、品牌和风格内容,转化成个性化推荐」。

  这是Meta独有的数据优势,30亿日活用户的社交行为数据 + AI购物助手,商业化想象空间很大。

  技术博客的重头戏不在跑分,在Scaling。Meta把Muse Spark的表现来源拆成三条轴线讲,预训练、强化学习、测试时计算。每一条都有对应的缩放曲线做支撑。

  过去九个月,Meta对预训练技术栈做了大换血,架构、优化算法、数据策略全部重做。为了衡量效果,Meta在一系列小尺寸版本上拟合了Scaling Law,然后对比达到同一个性能水平需要多少训练FLOPs。

  这条曲线说明了一件事,Meta不只是砸更多GPU,而是从底层提升了每一单位算力的产出。

  大规模RL出了名的不稳定,但Meta说,新技术栈的RL曲线异常平滑。左图是训练集上的表现。pass@1和次尝试中至少对1次)都呈对数线性增长。

  这说明RL在提升可靠性的同时,没有折损解题多样性,Muse Spark没有「一条路走到黑」,它还保持着探索不同解法的灵活性。

  曲线同样稳步上升,说明RL带来的进步不是死记硬背,而是能泛化到从没见过的新题。

  这是全文技术含量最高、也最有意思的部分。RL教会了Muse Spark在回答前先「在脑子里推演一遍」,这就是测试时推理。

  第一步,在RL训练中加入「思考时间惩罚」。你可以想更久,但想太久会被扣分。

  AIME子集上的表现是这样的,训练早期,Muse Spark通过想更久来提升正确率,曲线向右延伸。

  然后,长度惩罚触发了「思维压缩」。Muse Spark学会了用少得多的Token把同一道题解出来,曲线向左折返。

  Meta的做法是扩展并行Agent数量,1个、2个、4个、16个Agent同时思考。

  从图上看,16个Agent在相近的延迟水平下,准确率从约54%跳到约58%。

  传统的测试时Scaling是拿时间换质量,多Agent Scaling是拿并行度换质量,延迟几乎不变。

  预训练效率翻了一个数量级,RL扩展曲线平滑可预测,多模态和医疗赛道摸到了第一梯队。

  但代码和Agent的差距摆在那里,沉思模式还没全面开放,开源时间表也还是一个「希望」。

  更现实的压力是,同一周Anthropic发布了据称「太强而不能公开」的Mythos,OpenAI代号Spud的新作也在路上。