AI News

Meta: Nachrichten

13 Meldungen über Meta.

BerichtetPolitik und Regulierung ·

Trump-Regierung will Hardware aus China in US-Rechenzentren beschränken

Die Regierung will in China hergestellte Geräte in US-Rechenzentren einschränken und verweist auf Sicherheitsrisiken. Sie hält trotz Lobbyarbeit von Amazon, Google und Meta an dem Vorhaben fest.

Warum es wichtig ist: Unternehmen, die Hardware für US-Rechenzentren beschaffen, müssen womöglich mit Einschränkungen bei Geräten aus chinesischer Produktion rechnen und sollten sich auf strengere Sicherheitsprüfungen einstellen.

1 Quelle
OffiziellForschung ·

Metas AutoRefine kalibriert LLM-Code-Judges nach, wenn sich Coding-Agenten verändern

Forschende von Meta stellen AutoRefine vor: eine Methode, die LLM-Code-Judges kalibriert hält, während sich der Coding-Agent weiterentwickelt, den sie bewerten.

Warum es wichtig ist: Teams, die LLM-Judges zur Bewertung von Agenten-Output einsetzen, könnten feststellen, dass diese abdriften, wenn sich die Agenten verändern. Workflow-Ergebnisse könnten als Kalibrierungssignal dienen.

1 Quelle
BerichtetWirtschaft und Finanzierung ·

CoreWeave und Nebius finanzieren KI-Ausbau mit Kundenvorauszahlungen und vertragsbesicherten Krediten

CoreWeave und Nebius finanzieren den Ausbau ihrer Rechenzentren mit Vorauszahlungen von Kunden und vertragsbesicherten Krediten. Die Nebius-Aktie fiel nach einer Lieferverzögerung um 17 %.

Warum es wichtig ist: Kapazitäten bei Neoclouds werden zunehmend mit Geld von Kunden finanziert. Lieferverzögerungen können sich deshalb auf Zeitpunkt und Kosten der Rechenleistung auswirken, die Käufer vertraglich gesichert haben.

1 Quelle
BerichtetModelle · · Aktualisiert

Meta veröffentlicht Muse Ember zu Preisen von 0,10 und 0,50 Dollar pro Million Token

Metas Muse Ember verarbeitet Text, Bilder, Audio und Video und kostet bei bis zu 200K Input-Token 0,10 Dollar pro Million Input-Token und 0,50 Dollar pro Million Output-Token.

Warum es wichtig ist: Ein günstiges multimodales Modell für Tool-Aufrufe und Dokumentenverarbeitung in großem Umfang könnte die Kosten von Pipelines senken, die viele kleine Aufgaben abarbeiten.

5 Quellen
OffiziellForschung ·

Meta Reality Labs stellt Tactus vor, einen Textilhandschuh zur Erfassung von Handmanipulationsdaten

Meta Reality Labs Research beschreibt Tactus, einen Textilhandschuh mit Tast- und Posensensorik, der detaillierte Daten darüber aufzeichnet, wie Hände mit Objekten hantieren.

Warum es wichtig ist: Bessere Manipulationsdaten können beim Training von Robotern und feinmotorisch geschickten KI-Systemen helfen. Teams, die im Bereich Robotik entwickeln, sollten diesen Ansatz zur Datenerfassung daher im Blick behalten.

1 Quelle
BerichtetProdukte ·

Meta führt Spaces ein: dauerhafte Projekt-Workspaces für den Agenten Muse

Meta hat Spaces vorgestellt, projektbezogene Arbeitsbereiche, in denen der Agent Muse Planer und Tracker führen kann.

Warum es wichtig ist: Dauerhafte Arbeitsbereiche für KI-Agenten führen Assistenten weg von einmaligen Chats hin zu laufender Projektarbeit. Das wirft Fragen zum Umgang mit Daten und zur Kontrolle auf.

1 Quelle
BerichtetModelle ·

Artificial Analysis: Metas Muse Ember ist das günstigste Modell mit 36 Punkten

Laut Artificial Analysis erreicht Muse Ember 36 Punkte auf dem Intelligence Index und liegt damit gleichauf mit Claude Haiku 5.5 (max), kostet pro Aufgabe aber nur etwa ein Drittel.

Warum es wichtig ist: Bei Agenten-Workloads, deren Budget von den Kosten pro Aufgabe bestimmt wird, liefert Muse Ember ein ähnliches Ergebnis zu einem Bruchteil des Preises vergleichbarer Modelle. Wegen der niedrigen Antwortquote sollten Teams, die auf Faktenwissen angewiesen sind, allerdings mit mehr verweigerten Antworten rechnen.

1 Quelle
OffiziellForschung ·

Meta FAIR schlägt Routed Continual Learning vor: Agenten-Gedächtnis in Clustern

FAIR bei Meta stellt Routed Continual Learning vor. Der Ansatz gruppiert frühere Agenten-Durchläufe in Cluster mit jeweils eigenem Gedächtnissystem und senkt die geschätzten API-Kosten um 65 bis 72 %.

Warum es wichtig ist: Ein einziges gemeinsames Gedächtnis für viele Agenten-Aufgaben bringt womöglich wenig, treibt aber die Kosten. Teams mit unterschiedlichen Agenten-Workloads könnten davon profitieren, das Gedächtnis nach Aufgabentyp zu routen.

1 Quelle
BerichtetModelle ·

Metas Muse erhält Active Memory und Active Focus und kann dauerhafte Apps bauen

Laut Meta bringen neue Muse-Modelle die Funktionen Active Memory und Active Focus zu Muse und Meta AI. Außerdem können Nutzer Muse dauerhafte Apps bauen und pflegen lassen.

Warum es wichtig ist: Dauerhaftes Gedächtnis und das Bauen von Apps in Assistenten für Verbraucher zeigen, wohin sich Agentenprodukte entwickeln. Die Leistungsangaben stammen von Meta selbst und wurden nicht unabhängig überprüft.

1 Quelle
BerichtetProdukte ·

Meta startet Videochat mit KI-Avatar Muse für US-Nutzer

Nutzer in den USA können jetzt per Sprach- und Videoanruf mit einer animierten KI-Figur sprechen, die mit Gesten und Mimik reagiert.

Warum es wichtig ist: Animierte KI-Figuren in Echtzeit zeigen, dass Benutzeroberflächen für Endkunden über reinen Text hinauswachsen. Für Unternehmenskunden sind sie derzeit aber kaum von direkter Bedeutung.

1 Quelle
BerichtetWirtschaft und Finanzierung ·

Meta will mit grenzüberschreitender Anleihe mindestens 20 Milliarden Dollar für KI-Infrastruktur aufnehmen

Meta will mit einer grenzüberschreitenden Anleiheemission mindestens 20 Milliarden Dollar einsammeln, um den Ausbau seiner KI-Infrastruktur zu finanzieren.

Warum es wichtig ist: Umfangreiche Fremdfinanzierungen für KI-Infrastruktur zeigen, wie kapitalintensiv der Ausbau inzwischen ist. Das kann sich auf Kosten und Verfügbarkeit von Rechenkapazität für andere Abnehmer auswirken.

1 Quelle
BerichtetProdukte ·

Meta startet Waddle World, eine Tamagotchi-artige App mit KI-Haustier

Waddle World ist eine App im Stil eines Tamagotchis, in deren Mittelpunkt ein KI-gestütztes virtuelles Haustier steht.

Warum es wichtig ist: Das zeigt, dass Meta seine KI-Produkte auf Unterhaltung für Endkunden ausweitet und nicht auf Werkzeuge für Unternehmen.

1 Quelle