Meta Model API
PulseAugur coverage of Meta Model API — every cluster mentioning Meta Model API across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Meta 的 Muse Spark 1.3 荣登网站竞技场榜首，创下新的速度和成本基准 · 跟踪 1 个来源
Meta 的 Muse Spark 1.3 已在 Design Arena 的网站竞技场排行榜上名列前茅，该排行榜使用真实用户投票来评估网站创建的 AI 模型。这标志着一项重大进展，因为 Muse Spark 1.3 是第一个同时在分数、速度和成本方面表现出色的模型，为该领域的效率建立了新的帕累托前沿。虽然 Claude Fable 5.1 和 Kimi K3 是强有力的竞争者，但 Meta 的成就凸显了向更具成本效益和更快的 AI …
-
Meta 的 Muse Spark 1.3 发布，支持 100 万上下文，提供双重定价层级
Meta 发布了 Muse Spark 1.3，这是一款闭源的多模态推理模型，专为长期代理任务和编码而设计。该模型拥有 100 万 token 的上下文窗口，并在 DeepSWE v1.1 等基准测试中得分很高，超越了 Claude Opus 5。然而，其最高性能数据来自一个受限的“max”推理模式，而公开可用的“xhigh”模式则显示出明显的性能差距。
-
Meta 发布 Muse Spark 1.3 用于基于工具的 AI 任务
Meta 发布了其 Muse Spark 1.3 模型，该模型专为利用外部工具的扩展任务而设计。这个新模型可通过 Muse Code 和 Meta Model API 获得，旨在提高使用 AI 的开发人员和研究人员的生产力。
-
Meta的Muse Spark 1.3以具有竞争力的价格挑战顶级AI模型
Meta发布了Muse Spark 1.3，这是一款专为长周期代理和编码任务设计的AI模型。与前代Muse Spark 1.2相比，该模型在效率上有所提高，使用的工具调用和token更少。Muse Spark 1.3可通过Muse Code和Meta Model API获得，其定价策略尤为引人注目，为选择允许其数据用于未来模型训练的用户提供大幅折扣。
-
Meta AI 发布 Muse Spark 1.3，增强了代理和编码能力 · 跟踪 6 个来源
Meta AI 发布了 Muse Spark 1.3，这是其大型语言模型的更新版本，专注于增强代理工作流和编码任务。新版本在性能、通过澄清性问题和确认来改善用户协作以及减少幻觉方面都有所提高。基准测试表明，与前代 Muse Spark 1.2 相比，Muse Spark 1.3 使用的工具调用减少了约 20%，令牌减少了 25%，从而提高了效率和成本效益。
-
Meta 发布实时语音AI Muse Voice Transcribe
Meta 推出了 Muse Voice Transcribe，这是由 Meta Superintelligence Labs 开发的新型实时语音识别模型。该模型支持流式音频转录，可识别超过 20 位说话者，并检测话语结束。它还提供多语言功能，支持无缝语码转换，并在准确性和成本效益方面荣获 Artificial Analysis 平台榜首。
-
Meta AI 发布单一实时模型用于语音任务
Meta AI 推出了 Muse Voice Transcribe，这是一款新颖的实时音频感知模型，旨在在一个系统中处理语音识别、说话人分离和端点检测。该模型在流式语音转文本和说话人分离基准测试中排名靠前，可通过 Meta Model API 获取，价格为每 1000 音频分钟 3.00 美元。该开发通过将多个功能整合到一个自回归模型中，解决了语音 AI 的延迟挑战，旨在创造更自然、更具对话性的 AI 交互。
-
Meta澄清AI产品线，区分消费者聊天机器人与开发者API
Meta正在区分其面向消费者的Meta AI助手和面向开发者的API，以澄清其AI产品线。该公司最近关闭了其Llama API的公开预览，并为其Muse Spark 1.1模型推出了Meta Model API，该API最初仅对美国开发者可用。这种区分对开发者至关重要，因为集成到WhatsApp和Instagram等应用程序中的消费者聊天机器人没有公开API，而Meta Model API则提供了对特定模型的编程访问。
-
Meta 发布 Muse Spark 1.1 付费 API，挑战竞争对手
Meta 推出了付费的 Meta Model API，搭载其 Muse Spark 1.1 模型，提供 100 万个 token 的上下文窗口和具有竞争力的定价。这标志着 Meta 的重大转变，该公司此前专注于免费分发模型权重。新的 API 专为开发人员设计，兼容现有的 OpenAI 和 Anthropic SDK，并在工具使用基准测试中声称性能优于 Claude Opus 4.8 和 GPT-5.5 等模型，尽管这些说法由 Meta 自行报告。
-
OpenAI 发布 GPT-5.6 系列，Meta 发布 Muse Spark 1.1
OpenAI 推出了其新的 GPT-5.6 系列模型，包括 Sol、Terra 和 Luna，其中 Sol 在编码、网络安全和科学研究方面表现出卓越的智能和效率。据报道，新系列在性能上超越了 Claude Fable 5 等竞争对手，并通过赢得 ARC-AGI-3 公开比赛取得了重大里程碑。Meta 也发布了 Muse Spark 1.1，增强了工具使用和多模态推理能力，并开放了其 Meta Model API 的预览。
-
Meta AI 发布 Muse Spark 1.1，增强代理能力
Meta AI 发布了 Muse Spark 1.1，这是一个为代理任务设计的升级版多模态推理模型。该新模型在工具和计算机使用、编码以及多模态理解方面都有显著改进，使其成为 OpenAI 和 Anthropic 等公司产品的竞争对手。Muse Spark 1.1 现已通过 Meta Model API 的公开预览以及 Meta AI 应用和 meta.ai 中的“思考”模式提供。
-
Meta 发布 Muse Spark 1.1 智能体编码模型
Meta 发布了 Muse Spark 1.1，这是一款旨在跨多个应用程序和服务进行规划和执行任务的智能体和编码模型。该新模型在多项智能体评估中，被定位为可与 GPT-5.5 和 Opus 4.8 等领先的 AI 系统相竞争。Muse Spark 1.1 现在可通过 Meta Model API 和 Meta AI 访问。
-
Meta 发布 Muse Spark 1.1 AI 模型，用于高级编码任务
Meta 发布了 Muse Spark 1.1，这是一个旨在在编码任务中展开竞争的更新版 AI 模型。新版本增强了 bug 检测和修复能力，改进了对端到端代理工作流的支持，并具备原生多模态感知能力。该模型现已通过公开 API 预览版向美国开发者开放，并已集成到 Meta 的 AI 应用和网站中，这标志着 Meta 正继续努力追赶 OpenAI 和 Google 等行业领导者。
-
更便宜的AI Token不保证更低的代理成本；关注任务效率
OpenAI、Anthropic和Meta等主要公司最近发布的AI模型引入了更低的每Token定价，但这并不能保证企业AI代理的总成本降低。代理工作流的复杂性，涉及规划、工具调用和重试等多个步骤，意味着每个任务消耗的总Token数量可能会显著增加，从而可能抵消每Token价格的降低。专家建议组织将重点放在对每次成功任务的成本和组织总支出进行建模，而不是仅仅关注Token费率，因为上下文窗口使用、工具集成和低效工作流等因素会大大增加费用。