Reflection 发布开源权重模型 Beam，对标中国开源模型并称推理算力低 3-4 倍

Reflection AI 发布首款前沿开源权重模型 Beam，称其在高级推理基准上追平 Z.ai 的 GLM-5.2，并比当前领先的西方开源模型表现更好，推理算力用量少 3-4 倍。

AI at Meta@AIatMetaAI 评分4444

Meta 宣布 Muse Spark 1.3 的 max 推理档位公开发布，现已在 Muse Code 和 Meta Model API 上可用。Meta 称 Muse Spark 1.3 max 在编码和智能体表现上显著更强，并建议即使已试用过 high 或 xhigh 档位的用户也再试一次。

Meta AI 发布 Muse Spark 1.3，工具调用减少约 20%、token 消耗减少约 25%

Meta Superintelligence Labs 发布 Muse Spark 1.3，面向长程智能体与编码任务，已在 Muse Code 和 Meta Model API 上线，权重闭源不可自托管，上下文窗口为 1M token。

Meta 发布 Muse Spark 1.3，主打编码与长周期智能体任务

Meta 于 2026 年 9 月 2 日发布 AI 模型 Muse Spark 1.3，专为延长智能体工作流与增强编码能力设计，Meta 首席 AI 官 Alexandr Wang 称其编码能力超越 GPT-5.6 Sol、与 Claude Fable 5.1 持平。

Artificial Analysis@ArtificialAnlysAI 评分6969

Meta 发布 Muse Spark 1.3，是五个月内第四个 Muse Spark 版本。xhigh 变体在 Artificial Analysis Intelligence Index 得 61 分。

Rohan Paul@rohanpaul_aiAI 评分6666

Meta 发布 Muse Spark 1.3，官方称比 1.2 减少 20% 工具调用和 25% token 用量。作者汇总基准数据：MRCR 256K–512K 得分 98.5，超过 GPT-5.6 Sol 的 91.5；JobBench 64.9、OSWorld 66.9、AutomationBench 49.4，接近 Opus 5 的 65.7、68.3、50.3。

AI at Meta@AIatMetaAI 评分4242

Meta 发布 Muse Spark 1.3，重点提升智能体与编码任务表现并聚焦真实可用性。模型可在单线程中跨多个工作流维持更长程的任务，更主动与用户协作，会提出澄清问题、标记卡住状态并在关键操作前确认；对自身局限的校准更好以减少幻觉结果。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%。

🚨 AI News | TestingCatalog@testingcatalogAI 评分6060

Meta 官方宣布 Muse Spark 1.3 发布，已在 Meta 模型 API 和 Muse Code 上推出，官方称这是其在编码和智能体工作上的最大跃升，价格极低。

Meta Superintelligence Labs 发布 Muse Voice Transcribe：一个实时模型同时完成流式 ASR、说话人分离和端点检测

Meta Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe，将流式 ASR、20+ 说话人的说话人分离和端点检测合并为一个自回归模型，无需后处理。

Meta 发布实时音频感知模型 Muse Voice Transcribe，支持 20 余人分轨转写

Meta 推出首个实时音频感知模型 Muse Voice Transcribe，整合流式语音识别、说话人分离与端点检测，可通过 Meta Model API 调用，定价每 1000 分钟音频 3 美元。

Mark Zuckerberg@finkdAI 评分4848

Mark Zuckerberg 宣布 Muse Voice Transcribe 于当日推出，是 MSL 的首个实时音频感知模型。该模型在流式语音转文字上达到 SOTA，并在单一模型内原生支持说话人分离（speaker diarization）和端点检测（endpointing）。

🚨 AI News | TestingCatalog@testingcatalogAI 评分5757

Meta（MSL）的 Muse Voice Transcribe 模型上线 Meta models API，主打流式语音转文字 SOTA，训练覆盖 70+ 语言。该模型已用于 Meta 桌面应用的听写和 Muse Code 语音输入，API 提供零数据保留档位，详见 research.meta.ai/blog/introducing-muse-voice-transcribe。

Rohan Paul@rohanpaul_aiAI 评分6060

Meta 推出 Muse Voice Transcribe，为 MSL 首个实时音频感知模型，今日开始推送，自适应延迟下最终转写词错率低至 3.1%。该模型以 80ms 分块处理音频，在单一流式模型内原生处理说话人分离和端点检测，可自行判断何时输出文字、说话人何时切换；通过 Meta Model API、Meta AI for Mac 和 Muse Code 提供。

Muse Voice Transcribe 发布，实时转写支持多说话人与语言切换

Muse Voice Transcribe 提供流式语音识别、说话人区分和端点检测，已用于 Meta AI、Muse Code 并通过模型 API 提供。模型训练覆盖七十多种语言，其中二十五种经过深入验证；支持语言切换不代表所有语言质量完全相同。