start	end	text
0	2300	你有没有过这种很无力的经验?
2300	5000	叫AI帮你整理一份跨部门的会议报告。
5000	9300	做到一半它忘了你要求的章节格式,用语音助手查形成。
9300	13700	旁边同事插句话,它就把指令听成完全不相干的内容。
13700	20500	只要任务超过三个步骤,需要跨两个以上工具,最后交付的结果一定歪掉大半。
20500	27500	你大概也听过很多人说AI已经很聪明了,但真的拿来干活,总是卡在这些最不起眼的小地方。
27500	29980	2026年9月的头两天
29980	32400	Meta接连丢出了两项更新
32400	34840	没有吹什么通用人工智能的牛皮
34840	38480	却精准踩中了这些大家天天吐槽的痛点
38480	41760	一个负责把真实世界里的声音听得更清楚
41760	44780	一个负责把复杂的常任务做得更稳
44780	48720	有人看完数据说Meta终于要在代理人战场超车了
48720	50420	也有人冷静算完成本
50420	52540	发现事情根本没有这么简单
52540	54180	今天我们就不吹不黑
54180	57220	把官方技术文件第三方独立评测
57220	60140	还有那些藏在角落的小字限制
60140	61840	全部摊开来讲
61840	64620	看看这两款产品到底走到了哪一步
64620	67300	又有哪些东西是营销不会告诉你的
67300	68860	我们不从结论讲起
68860	72280	因为真正有价值的判断往往都藏在每一个
72280	73380	但是后面
73380	77300	先帮大家把最容易搞混的产品线界限画清楚
77300	80100	这也是很多自媒体最常讲错的地方
80100	84160	9月1日登场的是Muse Voice Transcribe语音转写模型
84160	88160	9月2日接棒上线的是Muse Spark 1.3代理人模型
88160	90560	两天连续发布核心产品
90560	94340	这在Meta Superintelligence Labs的历史上并不常见
94340	98520	也能看出他们在2026年下半年的竞争焦虑
98520	99500	但更重要的是
99500	101780	很多人到现在还搞不清楚
101780	103960	Muse Spark和Muse Glimmer
103960	106860	根本是两条完全不同的路线
106860	108180	不能混为一谈
108180	111280	Muse Spark走的是云端前沿代理人路线
111280	112720	权重完全必圆
112720	114820	目前只开放API呼叫
114820	117560	官方只说未来有开放权重的规划
117560	119000	但既没有时间表
119000	121280	也没说会用哪种授权条款
121280	123420	所以你绝对不能把它理解成
123420	125700	马上就可以下载来本地跑
125700	128540	而Muse Glimmer是拥有300亿参数
128540	131860	采用Apache 2.0授权的本地方案
131860	134140	主打消费级显示卡就能执行
134140	134780	讲白一点
134780	137100	Spark负责把能力堆到最高
137100	139680	强企业级和高端开发者市场
139680	141840	Glimmer负责把能力扑到最广
141840	144100	占领开源生态和终端装置
144100	148680	这种双轨策略其实刚好对应了Meta在AI产业的定位转变
148680	153400	前几年大家提到Meta的AI第一个想到的就是Lama系列开源模型
153400	154960	靠免费打天下
154960	157980	跟OpenAI的全B原路线正面抗衡
157980	160060	但到了2026年
160060	163760	整个行业的竞争已经从比参数 比跑分
163760	166900	进到比代理人 比落地场景的阶段
166900	170140	Meta必须拿出足够强的B原顶端产品
170140	171600	才能跟GPT系列
171600	173700	Gemini系列抢商业客户
173700	176760	同时又不能丢掉开源生态的优势
176760	179240	为什么要花这么多时间讲这件事
179240	180540	因为如果你误以为
180540	182580	Spark 1.3是开源模型
182580	184660	就会产生错误的部署预期
184660	188220	如果你以为Glimmer只是Spark的缩小版
188220	191700	就会低估两者在设计目标上的根本差异
191700	193160	另外从迭代节奏来看
193160	195500	Muse系列从7月的1.1版
195500	197360	首次连上邮件行事例
197360	203160	并能制作投影片到8月初1.2版聚焦大型程式库与复杂真错
203160	205700	甚至能连续1000多次工具呼叫
205700	210260	在24小时内反复编写编译GPU核心程式
210260	213600	8月中再加入图像与视频理解能力
213600	217140	到9月的1.3版转向打磨长期任务的可用性
217140	220500	几乎保持每个月一次大版本更新的速度
220500	223000	这种快速迭代在AI圈不算稀奇
223000	227680	但难得的是Meta几乎每一版都会附上明确的内部对比数据
227680	229960	同时引用第三方评测结果
229960	232880	给了外界一个相对透明的观察窗口
232880	235220	很多人只盯着分数涨了多少
235220	238020	却忽略了每一代版本的定位差异
238020	242200	Spark 1.3并不是全面碾压1.2的终极进化
242200	245600	而是针对代理人任务的可靠性做了针对性强化
245600	249420	甚至在部分涨上下文指标上还出现了小幅退步
249420	251240	这种有得有失的升级
251240	254860	恰恰说明模型能力不是简单的线性叠加
254860	257660	而是一连串的取舍与权衡
257660	259960	如果你只看营销文案里的亮点
259960	263140	很快就会在实际使用中发现落差
263140	265500	如果你翻完这次的全部技术文件
265500	267400	会发现最核心的关键词
267400	268760	不是更高的分数
268760	270280	也不是更多的参数
270280	272300	而是长任务代理人
272300	273440	什么意思
273440	276500	就是让AI不再只是一次性回答一个问题
276500	279160	而是像一个真正的执行助理一样
279160	281220	接下一个模糊的需求
281220	283480	自己拆解步骤 呼叫工具
283480	284880	遇到问题回头问你
284880	286100	碰到危险操作
286100	289380	先停下来确认最后再交付完整的成果
289380	290480	这听起来很美好
290480	293680	但过去大部分代理人模型的问题无非三种
293680	295880	要么不敢动手只会空泛回答
295880	298680	要么乱动手做到一半偏离目标
298680	302000	更常见的是干到一半彻底忘了最原始的要求
302000	305020	Spark 1.3就是冲着这些痛点做的优化
305020	306460	举个很实际的场景
306460	307620	如果你跟模型说
307620	310520	帮我整理上礼拜的三场客户会议记录
310520	311800	做成部门简报
311800	314120	把每个客户的行动项列出来
314120	315440	最后寄给主管
315440	316680	换做之前的模型
316680	319780	很可能做到一半就忘了要按客户分类
319780	321800	或者漏了寄信的步骤
321800	324980	甚至为了凑数编造几个不存在的行动项
324980	327920	而Spark 1.3的处理逻辑会完全不同
327920	330280	一开始如果觉得需求不够清楚
330280	331920	它会主动追问你
331920	334800	简报要的是正式版本还是讨论版
334800	337500	行动项要不要加上预计完成时间
337500	340440	寄信的时候要不要附上原始记录档
340440	344660	执行过程中如果发现某份会议记录打不开或者权限不足
344660	346580	它会停下来跟你要资讯
346580	349160	而不是硬着头皮编一个结果
349160	350460	如果碰到删除档案
350460	351640	发送批量邮件
351640	355080	修改正式环境设定这类有不可逆风险的操作
355080	357020	它一定会先跳出确认
357020	358480	问你确定要执行吗
358480	359980	不会自己直接动手
359980	360880	更重要的是
360880	364180	它能分辨你现在是在补充当前任务的资讯
364180	366600	还是要打断手头的事做别的
366600	369380	又或者是要开启一个全新的任务
369380	381480	这听起来好像是基础能力,但在多轮对话里,很多模型会把用户随口的插画当成新指令,直接把之前的上下文全部覆盖掉,导致任务做到一半就断了。
381480	388000	针对长期任务最常见的约束遗忘问题,Spark 1.3也做了专门强化。
388000	389600	比如你一开始就说过
389600	391880	所有输出都要用正体中文
391880	393520	不能用外部图片素材
393520	395400	数据不能超过指定范围
395400	397160	他会在整个执行过程中
397160	398760	反复检查这些条件
398760	401380	而不是跑个五六步之后就全忘了
401380	402440	最关键的一点
402440	404920	是他对自身能力边界的判断
404920	406400	过去很多代理人模型
406400	407420	最危险的习惯
407420	408880	就是任务做不完的时候
408880	410120	会假装做完了
410120	411260	然后生成一份
411260	412860	看起来很完整的报告
412860	415400	里面全是编造的数据和结论
415400	417220	普通用户根本看不出来
417220	421260	Bug1.3在训练时特别强化了这点遇到做不到的地方
421260	422860	他更倾向于直接说
422860	424160	我卡在这里了
424160	425500	我缺少这个资讯
425500	429240	而不是硬凑出一份看似完美的答案
429240	432060	Meta内部工程师对比1.2版本后发现
432060	435820	新版本平均减少了20%的工具呼叫次数
435820	438880	同时减少了25%的token消耗
438880	441340	这两个数字其实比跑分更有意义
441340	444020	工具呼叫减少代表模型更清楚
444020	445740	什么时候该用什么工具
445740	448580	不会无脑尝试所有选项来回绕路
448580	450000	Token消耗减少
450000	451680	代表推理效率提升
451680	453840	单位任务的成本直接下降
453840	455880	很多人不知道代理人任务的成本
455880	458300	通常是纯问答的3到5倍
458300	460120	因为要不断多轮推理
460120	461800	呼叫工具修正路线
461800	463080	所以效率的提升
463080	464520	直接决定了这项技术
464520	466220	能不能大规模商业化
466220	467380	不过也要说清楚
467380	470900	这两个数字是Meta内部测试场景下的结果
470900	472880	不是第三方独立评测
472880	475260	实际业务中因为场景更复杂
475260	477340	不一定能复现同样的比例
477340	480000	官方也举了几个典型的常任务场景
480000	492980	官方也举了几个典型的常任务场景,比如工程领域的CAD模型搭配流体模拟数据。最后按指定章节输出PDF报告,音乐制作领域根据时间码定位错误音符,从重复段落里挑出合适的替代片段。
492980	494920	保持所有音轨长度不变
494920	496040	再重新混音
496040	498640	这些场景的共同点就是步骤多
498640	499840	中间产物多
499840	501400	需要跨工具协作
501400	503860	差一步整个结果就不能用
503860	504940	从这个角度看
504940	508540	Spark 1.3根本不是一个聊天更厉害的模型
508540	510720	而是一个干活更稳的模型
510720	513580	它的评价标准早就不是会不会写诗
513580	514940	能不能解数学题
514940	516960	而是能不能在100步之后
516960	518780	还不偏离最初的目标
518780	520580	聊完了官方自己讲的升级
520580	523220	我们来看看第三方独立评测的数据
523220	526300	验证一下这些能力到底有没有落到实处
526300	528880	这次的数据全部来自Artificial Analysis
528880	532800	这是目前业界专门做代理人模型评测的独立机构
532800	534400	不是Meta自己跑的分
534400	536120	参考价值相对高一些
536120	538760	在他们的综合智慧指数榜单上
538760	542140	Spark 1.3的Shy版本拿到61分
542140	546220	还在有限预览阶段的Max版本拿到62分
546220	548400	比起1.2版本的57分
548400	550360	Exia整整涨了4分
550360	555300	在AI评测里 4分的涨幅算不算大 要看在哪个区间
555300	559300	如果从30分涨到34分 那只是入门级的进步
559300	564320	但从57分涨到61分已经是第一梯队模型的明显提升
564320	567080	因为越往上 每一分的难度都越高
567080	572200	更有竞争力的其实是成本XJ版本完成一项综合指数任务
572200	577980	平均花费0.55美元 在所有得分超过59分的模型里是最低的
577980	579760	我们可以简单对比一下
579760	580640	同级别里
580640	583040	OpenAI的GPT-4O Advanced
583040	584100	做类似任务
584100	585560	大概要1.2美元
585560	587700	Anthropic的Cloud Opus
587700	589500	则要1.5美元左右
589500	591620	Meta差不多只要一半的价格
591620	594980	这对于需要大量呼叫API的企业用户来说
594980	596300	吸引力非常大
596300	598560	我们再拆开看具体任务的表现
598560	600280	Tile3-Bench Banking
600280	602680	是专门的银行代理人基准测试
602680	605240	模拟金融场景下的多步骤任务
605240	606340	1.2版本
606340	608740	当时只拿到35%的通过率
608740	610960	SHAE版本提升到47%
610960	613640	MAX版本更是达到52%
613640	615360	这个涨幅其实相当惊人
615360	617260	说明模型在处理合规
617260	620240	要求高步骤繁琐的金融任务时
620240	622840	可靠性比上一代强了很多
622840	624000	但也要客观说
624000	625580	47%的通过率
625580	627720	依然代表超过一半的任务
627720	629040	没办法完美完成
629040	631040	距离真正取代人类专员
631040	632780	还有非常远的距离
632780	635700	大概相当于入行半年的助理水平
635700	638980	Terminal-Bench 2.1是终端指令执行测试
638980	641300	1.2版本通过率80%
641300	643600	X-Shy提升到85%
643600	645300	Max到86%
645300	646620	这个分数看起来很高
646620	648640	但终端任务相对结构化
648640	650500	指令对错的标准很明确
650500	652240	能拿到高分并不意外
652240	654600	参考价值不如真实工作场景
654600	657320	真正值得注意的反而是一项退步的指标
657320	660100	AA-LCR长上下文基准
660100	662660	1.2版本有83%的正确率
662660	665240	1.3版本降到了79%
665240	667900	为什么长上下文能力反而退步了
667900	670060	难道模型越更新越差吗
670060	670920	当然不是
670920	673840	背后的原因是Spark 1.3调整了策略
673840	675140	遇到不确定的资讯
675140	676800	它更倾向于拒绝回答
676800	678660	而不是硬猜一个答案
678660	680780	也就是说它宁可少说几句
680780	682000	也不说错话
682000	685660	这种策略在AA-Omniscience准确率指标上
685660	686500	也能看出来
686500	688620	表面上准确率小幅回落
688620	690880	但幻觉率明显降低了
690880	693300	这其实是一个非常重要的取舍
693300	694960	你要更高的召回率
694960	696760	还是更高的准确率
696760	698060	对于普通用户来说
698060	699720	可能希望AI什么都能答
699720	701260	哪怕错一点也没关系
701260	702540	但对于企业用户
702540	705300	尤其是金融 医疗 法律这些领域
705300	706560	一个错误的答案
706560	708620	代价可能比没有答案大得多
708620	711160	之前就有企业用初代代理人模型
711160	712440	处理报销审核
712440	715500	结果模型编造了很多不存在的单据
715500	717600	造成了不小的财务漏洞
717600	720000	所以现在越是面向企业的模型
720000	723660	越把不编造放在比达对更高的优先级
723660	724760	从这个角度看
724760	726980	这项退步反而是一种进步
726980	729500	代表模型开始往实用化的方向走
729500	731700	而不是为了跑分应凑答案
731700	733340	另外很多人忽略的一点是
733340	735480	MAX版本的分数虽然更高
735480	738200	但代价是运算算力大幅增加
738200	740480	根据Artificial Analysis的测试
740480	743560	在GDPVAL-AAVFE任务里
743560	747540	MAX版本比SY多消耗约62%的推理量
747540	749540	就算是银行代理任务
749540	751780	也多了28%的算力
751780	753180	为什么会差这么多
753180	756060	因为MAX版本会做更多的自我检查
756060	757620	走更多的思维步骤
757620	761200	相当于人做事情的时候反复检查好几遍
761200	763260	自然更费时间更费算力
763260	764860	但正确率也更高
764860	768400	这其实带出了未来AI商业模式的一个可能方向
768400	770500	以后的模型不会只有单一档位
770500	774000	而是会根据任务的风险等级调整推理强度
774000	775140	低风险的闲聊
775140	778180	查资料用低档速度快又便宜
778180	779480	高风险的财务
779480	781180	法律任务用高档
781180	783220	更慢 更贵 但更可靠
783220	785160	用户可以按自己的需求选
785160	787020	而不是为了偶尔的高需求
787020	788940	全程付最贵的价格
788940	790860	当然 目前这还只是观察
790860	793820	Meta并没有正式推出这种分级定价
793820	795220	但从技术设计上
795220	797020	已经具备了这样的基础
797020	798660	最后 还要再强调一次
798660	800800	Max版本目前只是有限预览
800800	803540	只有少数合作机构和企业能拿到权限
803540	805440	普通开发者根本呼叫不到
805440	807920	所以你看到62分那个数字的时候
807920	810420	要知道它背后是更高的成本
810420	812300	更严格的访问限制
812300	815400	不能拿它去跟别人全面开放的API比
815400	817160	然后说Meta已经赢了
817160	818580	这种对比并不公平
818580	820920	看完了负责思考和执行的大脑
820920	824220	我们再转过头来讲这次连发的另一款产品
824220	826000	负责感知输入的耳朵
826000	827480	Muse Voice Transcribe
827480	828980	很多人第一眼看到它
828980	831280	会觉得不就是个语音转文字吗
831280	832360	有什么特别的
832360	833980	但实际上它的设计思路
833980	836720	跟传统的自动语音识别完全不一样
836720	838640	传统的ASR比如Whisper
838640	840440	走的是离线转写路线
840440	842840	拿到整段音频之后再慢慢处理
842840	844840	可以利用上下文反复修正
844840	845880	准确率很高
845880	846960	但延迟也大
846960	849560	根本没办法用来做实时对话
849560	851380	而以前的实时语音助手
851380	853940	比如手机上的Siri Google助理
853940	855320	为了追求低延迟
855320	857540	只能听一小段就马上输出
857540	859160	结果准确率很差
859160	860140	稍微吵一点
860140	862960	有两个人叠话或者混个外文单字
862960	864020	结果就歪掉
864020	865960	Muse Voice Transcribe想解决的
865960	867600	就是又要准又要快
867600	869840	还要懂真实对话这个老难题
869840	872960	它的做法是把音频切成80毫秒的小块
872960	874940	每秒处理12月5日次
874940	877980	每一小块音频先转换成一个软Token
877980	881080	模型在判断是要继续等后面的声音
881080	882760	还是立刻输出文字
882760	884500	等到音频完全停止
884500	886620	系统会加入一个特殊标记
886620	890440	让模型把剩下没输出的文字一口气吐出来
890440	893500	其中最关键的技术叫做自适应延迟
893500	897080	模型不会给每个字都设定一样的等待时间
897080	899480	简单确定的内容就立刻输出
899480	902220	碰到需要后文才能判断的同音词
902220	903140	专有名词
903140	905940	就稍微多等一点点音频再决定
905940	908160	这其实很像人类的同步口译
908160	910060	译员会根据句子的难度
910060	911680	调整自己的滞后时间
911680	913040	不会一味求快
913040	914400	也不会一味求准
914400	915180	训练的时候
915180	917540	Meta把词 错误率和延迟时间
917540	920180	一起放进强化学习的奖励函数里
920180	921900	如果模型只追求准确
921900	923280	每句话都等很久
923280	924240	得分不会高
924240	925400	只追求速度
925400	927900	输出一大堆错字同样过不了关
927900	932460	最终目标就是在准确率和反应速度之间找到最佳平衡点
932460	933680	那实际表现如何
933680	937060	在Artificial Analysis的流逝语音榜单上
937060	942060	Muse Voice Transcribe的最终词错误率约3.1%
942060	943460	直接登上第一名
944354	958114	这个数字是什么概念?在流逝实时的场景下,3.1%已经非常接近人类专业数据员的水平,人类大概是2%到3%左右,相当于每讲100个字只错3个。
958114	960094	不过这里必须先打个预防针
960094	962894	这个成绩是英语流逝对话的测试结果
962894	966374	绝对不能直接套用到所有语言 所有场景
966374	968834	中文因为同音字多 声调复杂
968834	973214	同样的模型词错误率通常会比英语高2到3个百分点
973214	977294	如果是嘈杂环境 多人强化 或者带方言口音
977294	979014	表现还会再打折扣
979014	982834	官方也明确说 模型训练覆盖了70多种语言
982834	985734	其中只有25种经过充分验证
985734	987834	其他语言可能只是有训练过
987834	990234	但没有经过严格的效果评测
990234	992134	除了基础的转写准确率
992134	994194	还有几个功能特别值得一提
994194	996714	首先是原生的说话人分离
996714	999334	而且支持20人以上同时发言
999334	1002094	传统的会议转写通常是先做语音识别
1002094	1004014	再另外用一套声文系统
1004014	1005714	判断每段话是谁说的
1005714	1007194	两个系统的时间轴
1007194	1009354	只要差一点点就会出现文字
1009354	1010474	人认错的情况
1010474	1012814	Meta是在同一个生成过程里
1012814	1015674	加入说话人切换标记和身份标签
1015674	1018434	检测到换人就先标一轮新发言
1018434	1020894	等听到足够声音再确定身份
1020894	1023014	时间轴的准确度会高很多
1023014	1026214	官方展示的长对话里包含多人插话
1026214	1028314	重叠发言 自然停顿
1028314	1030194	都能正确标记身份
1030194	1033734	这对于会议记录 访谈整理 客服记录来说
1033734	1034674	价值很高
1034674	1038214	因为后续的摘要系统拿到的不只是一整段文字
1038214	1040894	还知道谁提了问题 谁做了承诺
1040894	1042234	谁反对哪个方案
1042234	1043974	其次是端点侦测能力
1043974	1047474	人类对话本来就不会每次讲完都按个结束钮
1047474	1050794	系统要从语气停顿和上下文判断
1050794	1053474	对方只是喘口气还是真的说完了
1053474	1055014	如果端点判断不准
1055014	1056694	要么用户都讲完半天了
1056694	1057774	助手还没反应
1057774	1059234	要么用户还没说完
1059234	1061494	助手就急着插嘴体验都很差
1061494	1062814	Muse Voice Transcribe
1062814	1064654	专门针对这点做了优化
1064654	1067514	能更准确判断语音的开始和结束
1067514	1070014	这也是代理人能自然对话的前提
1070014	1071894	第三个很实用的功能是
1071894	1074594	句内和句间的多语言自由切换
1074594	1076134	还有上下文偏制
1076134	1078374	现实中很多双语使用者
1078374	1080574	不会先切语言模式再讲话
1080574	1082994	中文句子里夹个英文专有名词
1082994	1085274	项目代号是家常便饭
1085274	1086954	旧的系统很容易把英文词
1086954	1088994	应转成发音相近的中文字
1088994	1091494	或者切换语言之后直接丢了半句话
1091494	1092994	Muse Voice Transcribe
1092994	1095294	支持70多种语言的自由切换
1095294	1098254	还可以让用户提前输入常用的人名
1098254	1099734	公司名专业术语
1099734	1101714	模型碰到相近发音的时候
1101714	1104994	会优先选择这些符合上下文的词
1104994	1107654	比如医生可以提前录入药品名称
1107654	1110914	城市设计师可以加入函数名和项目代号
1110914	1113594	企业用户可以上传内部数语表
1113594	1116014	这样转写的准确率会大幅提升
1116014	1118154	甚至可以直接进入工作流程
1118154	1119714	不用再人工校对一遍
1119714	1122054	这才是语音转写真正的价值
1122054	1124254	不是把声音变成文字就好
1124254	1126234	而是变成能直接用的文字
1126234	1127874	目前Muse Voice Transcribe
1127874	1129614	已经接入Meta Model API
1129614	1132774	还有Meta AI4 Mac Muse Code Mac版本
1132774	1135494	用户可以按住FN键直接语音输入
1135494	1138314	把转写结果送到不同的应用程式里
1138314	1140834	不过有个隐私细节一定要讲清楚
1140834	1144734	官方网页演示的时候说麦克风音频只会用来生成转写
1144734	1145614	不会被保存
1145614	1148394	但这个承诺只限于网页演示场景
1148394	1150254	不等于所有API呼叫
1150254	1153014	所有产品部署都不会保存音频
1153014	1155354	如果你是透过API上传录音
1155354	1156694	Meta会不会保存
1156694	1157554	保存多久
1157554	1159254	会不会用来训练模型
1159254	1162774	都要看你签署的服务条款和数据处理协议
1162774	1164714	不能因为网页演示不保存
1164714	1168074	就理所当然认为所有场景都不保存
1168074	1170994	这在个资合规上是非常危险的认知
1170994	1173534	讲到这里就必须好好聊一下
1173534	1175034	隐私与安全的边界
1175034	1177354	这也是很多人看AI产品的时候
1177354	1180374	最容易忽略但绝对最重要的部分
1180374	1182854	先讲Muse Spark 1.3的安全设计
1182854	1185254	官方说这次提升了对提示注入
1185254	1187294	和对抗输入的抵抗能力
1187294	1189994	也更能识别哪些操作是不可逆的
1189994	1191054	提示注入是什么
1191054	1193254	就是攻击者在输入内容里
1193254	1195274	嵌入看不见的恶意指令
1195274	1197314	比如藏在PDF档案里
1197314	1198114	网页里
1198114	1200834	诱导AI代理人忽略原本的规则
1200834	1202554	去转发机密档案
1202554	1203974	修改设定甚至转账
1203974	1206434	2025年就曾经出现过
1206434	1207714	类似的攻击案例
1207714	1210754	让不少企业对AI代理人望而却步
1210754	1213774	Spark 1.3针对这类攻击做了专门训练
1213774	1215594	但这不代表它完全免疫
1215594	1219874	目前没有任何模型能100%防御所有提示注入攻击
1219874	1221594	识别不可逆操作也是一样
1221594	1223394	模型能标出删除档案
1223394	1224574	发送批量邮件
1224574	1226934	修改数据库这些高风险动作
1226934	1228334	要求用户确认
1228334	1231114	但光有模型层面的防护远远不够
1231114	1233814	官方自己也强调实际部署的时候
1233814	1236374	必须同时做好全线隔离
1236374	1238454	白名单和操作日志
1238454	1241514	全线隔离就是给代理人最小必要的全线
1241514	1243754	比如负责整理表格的助理
1243754	1246534	就不该有删除整个资料夹的权限
1246534	1250654	白名单就是只允许模型呼叫预先核准的
1250654	1254834	工具和API不能让它随便访问系统里的任何东西
1254834	1258954	操作日志就是把代理人所有执行动作都记录下来
1258954	1261134	方便事后审计和回溯
1261134	1264334	这三层防护都是资安领域的基本常识
1264334	1267754	却也是很多AI产品最容易省略的部分
1267754	1269614	Meta愿意主动强调这点
1269614	1273234	说明它是真的在考虑企业落地的实际需求
1273234	1275894	而不是只做展示用的技术demo
1275894	1276974	再回到语音部分
1276974	1279874	当语音转写加上代理人执行
1279874	1283534	再搭配Meta旗下的ray减班智慧眼镜
1283534	1285214	想象空间确实很大
1285214	1288694	手机上的语音助手要等你点开APP才能用
1288694	1290854	但眼镜可以一直戴在脸上
1290854	1292794	随时处在声音环境里
1292794	1294574	如果他能听懂谁在讲话
1294574	1295814	什么时候该接话
1295814	1297134	什么时候不该插嘴
1297134	1299954	就能在会议后自动整理每个人的行动项
1299954	1302014	访谈的时候自动标记重点
1302014	1306134	甚至日常聊天里提到的代办事项都能自动记下来
1306134	1308634	但这也带来了更尖锐的隐私问题
1308634	1310974	眼镜上的麦克风什么时候在听
1310974	1312874	听到的内容传到哪里去了
1312874	1314914	用户有没有明确的控制权
1314914	1317234	旁边的人知不知道自己正在被录音
1317234	1320234	这些问题目前都还没有完全公开的答案
1320234	1324274	不过我们可以从Meta的双轨策略里推出一个很合理的假设
1324274	1326954	未来轻量级的语音转写
1326954	1328534	简单的指令理解
1328534	1332294	很可能会直接跑在眼镜本地的端侧芯片上
1332294	1333534	不需要传到云端
1333534	1335294	敏感数据不会离开设备
1335294	1337034	大幅降低隐私风险
1337034	1338774	而复杂的常任务代理
1338774	1339934	多工具协作
1339934	1342694	再交给云端的Spark模型处理
1342694	1345634	刚好Meta有Glimmer这条本地开源路线
1345634	1347694	专门做轻量化端侧部署
1347694	1350634	刚好可以跟眼镜这类终端装置搭配
1350634	1352334	云端负责复杂思考
1352334	1354034	本地负责实时感知
1354034	1356274	既保证体验又兼顾隐私
1356274	1360194	这很可能就是Meta下一代AI入口的完整架构
1360194	1362834	当然这只是基于现有产品线的推测
1362834	1364754	官方还没有证实这个方向
1364754	1366794	讲完了技术亮点和想象空间
1366794	1368234	我们也得冷静下来
1368234	1371154	聊聊这次发布的口径边界和实际风险
1371154	1374114	首先Max版本目前只是有线预览
1374114	1376514	普通开发者能用的只有Shi版本
1376514	1378834	网上所有关于Max的评测数据
1378834	1381034	都来自少数拿到权限的机构
1381034	1383074	一般用户现在根本用不到
1383074	1387054	所以62分那个数字只能当成技术上限的参考
1387054	1390094	不能作为采购或者使用决策的依据
1390094	1392414	其次所有的基准测试数据
1392414	1395414	都是在标准化的干净环境里跑出来的
1395414	1399494	真实世界的场景只会更复杂更混乱
1399494	1402494	比如银行代理测试里的数据都是结构化的
1402494	1404154	格式统一全线清晰
1405087	1411527	但真实的企业里,数据可能分散在十几个老旧系统里,格式乱七八糟、权限层层卡关。
1411527	1417207	你在测试里拿到47%的通过率,到了真实环境可能连30%都不到。
1417207	1423787	这不是Meta的问题 是所有AI模型评测的普遍现象 跑分永远不等于真实生产力
1423787	1426327	第三 关于开源的期待也要放低
1426327	1434287	Spark 1.3目前是完全避原的 官方只说未来有开放权重的规划 但没有时间表 也没有说授权条款
1434287	1441247	参考Meta之前Lama系列的节奏 通常是新一代出来之后才会把上一代的权重逐步开放
1441247	1446807	而且早期都是非商业授权 要等到更后面才会用更宽松的授权
1446807	1450007	所以不要期待短期内就能在自己的电脑上
1450007	1452987	跑Spark 1.3核心的代理人能力
1452987	1456127	Meta肯定会先握在手里当商业护城河
1456127	1458087	最后回到产业竞争的层面
1458087	1460447	Meta这次的更新确实扎实
1460447	1465027	在代理人可靠性和流逝语音转写上都往前走了一步
1465027	1467327	成本控制也做得很有竞争力
1467327	1469227	但要说已经赢了还太早
1469227	1473127	OpenEye的GPT系列代理人能力同样在快速迭代
1473127	1477847	谷歌的Gemini在多模态和端侧整合上有自己的优势
1477847	1482527	Anthropic在长上下文和安全合规上依然领先
1482527	1486927	还有Eleven Labs这类专业语音公司也在往代理人方向走
1486927	1492547	Meta现在的领先更像是某几个细分场景的小幅度领先
1492547	1495207	还远没有到拉开差距的程度
1495207	1498527	而且真正的竞争从来都不是比模型本身
1498527	1502807	而是比谁能先把技术变成用户愿意天天用的产品
1502807	1504927	谁能解决好隐私安全
1504927	1506967	权限这些麻烦的落地问题
1506967	1508247	模型再聪明
1508247	1510887	如果用户不敢把重要的工作交给他
1510887	1512587	那也只是个高级玩具
1512587	1513167	讲到这里
1513167	1516007	我们把这次Meta两款产品的技术细节
1516007	1516947	评测数据
1516947	1518107	产品线定位
1518107	1519027	隐私风险
1519027	1521187	还有产业格局全部拆完了
1521187	1523667	你会发现每一个亮眼的数据背后
1523667	1525307	都有一个限定条件
1525307	1527067	每一项技术突破的旁边
1527067	1529227	都站着一个带解决的问题
1529227	1530947	这不是说Meta做得不好
1530947	1532047	恰恰相反
1532047	1534567	只有当你看清了所有的边界和限制
1534567	1536587	才能真正评估它的价值
1536587	1541227	Muse Spark 1.3确实把常任务代理人的可靠性往前推了一步
1541227	1543027	成本优势也很明显
1543027	1546167	Muse Voice Transcribe在英语流逝转写上
1546167	1548187	做到了业界顶尖
1548187	1550827	准确率和延迟的平衡做得可圈可点
1550827	1553427	但它们都还只是阶段性的进展
1553427	1556067	离大家想象中什么都能做的AI助理
1556067	1557647	还有非常远的距离
1557647	1559707	2026年的AI产业
1559707	1562607	其实正在经历一个很重要的转向
1562607	1565447	前几年大家都在比谁的模型更大
1565447	1566747	谁的跑分更高
1566747	1568627	谁的牛皮吹得更响
1568627	1572087	但从今年开始竞争慢慢落到了实处
1572087	1574167	比的是谁能把长任务做稳
1574167	1575927	谁能把真实声音听懂
1575927	1577727	谁能让企业敢放心用
1577727	1580227	谁能把隐私控制在合理范围
1580227	1582847	那些看起来不怎么耀眼的细节优化
1582847	1587407	反而决定了产品能不能真正走进日常生活和工作流
1587407	1588267	就像造车
1588267	1596447	早期大家都比马力 比急速 等到市场成熟了 比的是隔音 是油耗 是故障率 是乘坐舒适度
1596447	1599987	这些才是决定你愿不愿意每天开的关
1599987	1605347	见如果你喜欢这种不吹不黑 把数据和限制都讲清楚的深度科技解析
1605347	1608947	欢迎订阅这个频道 并且打开通知小铃铛
1608947	1614787	我们会持续追踪AI代理人 语音交互 端策AI这些领域的最新进展
1614787	1617307	帮你过滤掉夸大的营销话术
1617307	1619727	留下真正值得关注的技术变化
1619727	1621327	也欢迎在留言区告诉我
1621327	1624287	你最期待AI帮你完成什么样的任务
1624287	1625927	是整理会议记录
1625927	1627887	还是处理繁琐的文书工作
1627887	1629647	我们下期影片再见