Meta 如何以开放权重与闭源模型改变前沿竞争格局
Meta 凭 Muse Spark Open 和闭源 Muse Wonder 系列重返前沿竞争，Nathan Lambert 分析了其生态采用前景及与 OpenAI、Anthropic 等公司的竞争位置。
推荐理由：文章将模型性能回升与授权限制放在一起分析，揭示开放权重模型争取生态采用时技术竞争力与商业条款之间的张力。
#Meta
Interconnects精选AI 评分7777
Meta Engineering精选AI 评分6666 Meta 如何用 AI 原生工程构建 Forum
Meta 复盘了用 AI 智能体构建独立群组应用 Forum 的工程实践，小团队在八周内实现了与 Facebook Groups 核心功能对齐。团队将规划、构建、测试和验证纳入智能体循环，通过直接读取应用状态的工具和隔离原型代码的构建方案支持开发，同时保留工程师对架构、产品目标和上线结果的决策与签核。
推荐理由：这份工程复盘给出了可迁移的实践路径，将自动验证、可直接检查的环境状态和构建隔离纳入智能体开发流程，而非只改提示词。
Meta EngineeringAI 评分2727 2026 世界杯：Meta 流量纪录、峰值曲线与大规模可靠性保障
Meta 复盘世界杯期间多平台流量破纪录及基础设施保障，WhatsApp 在决赛期间每秒消息量超过 30 million，创平台纪录。流量峰值主要出现在比赛间歇，系统通过预留容量、自动扩容和分国家降级吸收冲击。WhatsApp 提前对超过 100 项内部服务进行负载测试，赛事期间未暂停持续部署。
TLDR AIAI 评分4545 Jev 1.14、Grok Voice 3 与 Google Harness² 递归自我改进
Jev 1.14.0 新增图像支持、返回单个边界框的 box 类型及更长上下文。xAI 宣布 Grok Voice 3.0，支持语音到语音交互，延迟低于一秒，客服表现有所提升。Google Research 的 Harness² 让 AI 智能体无需改变模型权重，即可迭代改进提示词、工具、记忆与编排。
Apple Machine Learning精选AI 评分6161 如何用 MLX 与 RDMA 在 Mac Studio 上运行本地及分布式大语言模型推理
Apple 演示使用 MLX 与 Thunderbolt RDMA 在 Mac Studio 上运行本地及分布式推理，四台 M5 Ultra 以张量并行运行 Muse Spark Open，在 8,192 tokens 上下文下达到 36.73 tokens/s。
推荐理由：通过同一组模型的单机与多机测试，对比流水线并行和张量并行在首 token 延迟、生成速度及通信开销上的差异。
One Useful ThingAI 评分6363 从 dots 到智能体群体，Ethan Mollick 反思 AI 的组织管理
Ethan Mollick 修正了智能体协作需要人类精心设计管理结构的判断，认为更强模型正在自行承担任务规划、分工与协调。他以个人助理的主动纠错和多智能体协作为例，其中 Codex 在开放式选题任务中自行启动了 3 个智能体，加入简要团队框架后则启动了 13 个。他认为人类应更多负责目标引导与过程调整，但也强调 AI 尚不能替代大量人类工作，自组织系统仍可能偏离人的意图。
