Meta 的编码优化开源推理模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 1M token 上下文及 MoE 架构。文章介绍了如何通过 SageMaker Studio 或 Python SDK 部署 BF16 与 NVFP4 两种量化变体，并提供了推理请求示例。
推荐理由：文章详细介绍了在亚马逊平台上部署该模型的完整步骤与配置要求，为技术团队评估资源成本和架构落地提供了实用参考。
Meta 发布 Muse Spark Open，这是一个拥有 816B 总参数和 42B 激活参数、具备 1M token 上下文窗口的开源权重多模态推理模型。该模型针对编码和智能体任务进行训练，在 Hugging Face 开源，并支持在 SGLang 和 vLLM 中进行优化运行。
推荐理由：文章公布了该开源模型的具体参数规模、上下文窗口以及推理和微调支持，读者可以据此评估其在代码和智能体任务中的实际落地潜力。
Meta 发布了开源混合专家多模态模型 Muse Spark Open，拥有约 8160 亿总参数、每个 token 约 420 亿激活参数以及高达 100 万 token 的上下文窗口。该模型支持文本、图像、音频和视频输入，专为代码编写与智能体任务优化，并提供了 BF16 和 NVFP4 权重以及主流推理框架的部署指南。
推荐理由：原文介绍了该开源多模态混合专家模型的架构参数与部署推理方案，读者可借此评估其在长上下文与智能体任务中的落地可行性。
Meta 在 OCP 2026 峰会上发布了首款液冷网络机架 IcePack 及 102.4T 交换刀片 IceCube，并推出了旨在标准化交换机平台层的 OSPA 倡议。
推荐理由：Meta 在 OCP 2026 发布了液冷网络机架及 102.4T 交换机等基础设施，展示了其在超大规模 AI 集群网络架构及以太网标准化方面的最新进展。
Meta 发布 Muse Wonder 和 Muse Wonder Full 模型，在个人与专业智能体任务中达到 SOTA 性能。该系列模型引入 Active Memory 和 Active Focus 技术，支持复杂任务的持续执行与上下文管理，现已通过 Meta Model API 和 Muse Code 提供。
推荐理由：Meta 发布 Muse Wonder 系列模型，通过引入主动记忆与主动聚焦能力提升智能体在复杂任务中的表现，为开发者和用户提供了新的模型选择。
NVIDIA 在 OCP 全球峰会上宣布将 Vera Rubin 机架和计算托盘设计通过开源的 MGX 架构贡献给 OCP，并与合作伙伴共同发布了下一代人工智能工厂的开放标准、开源软件组件以及全新的网络与电源架构。
推荐理由：原文介绍了新架构和开源规范的具体演进，帮助读者了解下一代人工智能基础设施的设计标准。
Reflection 发布了 Beam，这是一款面向编码、智能体和科学工作的文本模型，采用 501B 总参数/23B 激活参数的 MoE 架构。该模型从零训练，计划本月开源 Apache 2.0 权重，在 SWE-bench Verified 上取得 80.9 分，并展示了较高的推理效率。
推荐理由：Reflection 发布了 Beam 模型，作为一款美国本土训练的开源 MoE 模型，其在编码与智能体任务上的表现为开发者提供了新的选择。