Meta的AI应用在周三公司发布最新AI模型Muse Spark后,安装量出现大幅增长。Muse Spark是Meta超级智能实验室负责人Alexandr Wang主导的首个模型发布成果,他于去年从Scale AI被招募,专门负责重塑这家社交巨头的AI战略布局。
据市场情报机构Appfigures发布的最新数据,受用户需求驱动,Meta AI应用的排名从周三Muse Spark发布前的第57位,迅速攀升至周四美国App Store的第5位,这一变化表明新增安装量呈现井喷式增长。
Meta表示,Muse Spark同时支持网页端和移动端,相较于早期的Llama 4系列模型有显著提升。这也是Meta追赶OpenAI和Anthropic等竞争对手的最新举措。为此,Meta已在AI人才招募方面投入数十亿美元,并额外斥资143亿美元投资Scale AI。
目前,Muse Spark支持多模态输入,涵盖语音、文本和图像,并针对多种使用场景进行了专项优化,例如协助用户了解健康知识、解析科学与数学领域的复杂问题等。此外,该模型还具备视觉编码能力,用户可通过自然语言提示生成网页和小游戏。Meta还表示,Meta AI能够调度多个子智能体并行处理用户的复杂问题。
Muse Spark将在未来数周内陆续登陆WhatsApp、Instagram、Facebook、Messenger以及Meta AI智能眼镜等平台。
伴随模型发布,Meta AI移动应用和网页端也完成了界面全面焕新,并新增模式切换功能,用户可根据不同任务需求灵活切换操作模式。
尽管增长势头明显,Meta AI应用的排名仍落后于其他头部AI聊天机器人,包括OpenAI的ChatGPT(第1名)、Anthropic的Claude(第2名)和谷歌的Gemini(第3名)。
Wang在周四早些时候于X平台发文指出了这一亮眼排名,并表示应用"仍处于持续增长中"。
Appfigures数据显示,Meta AI应用在App Store和Google Play的全球累计安装量已达6050万次,其中2500万次下载发生在今年。与应用上线初期的前五个月相比,过去五个月的下载量增长了138%。
从下载量的市场分布来看,印度目前是Meta AI的最大市场,其次依次为美国、巴西、巴基斯坦和墨西哥。
Q&A
Q1:Muse Spark是Meta的什么模型?有哪些功能?
A:Muse Spark是Meta发布的最新AI模型,支持语音、文本和图像等多模态输入。它能帮助用户了解健康知识、解答科学与数学领域的复杂问题,还支持视觉编码,让用户通过自然语言提示生成网页和小游戏。此外,Meta AI还能调度多个子智能体并行处理用户问题。该模型同时支持网页端和移动端,未来还将登陆WhatsApp、Instagram、Facebook等平台。
Q2:Meta AI应用目前的全球下载量是多少?
A:根据Appfigures的数据,Meta AI应用在App Store和Google Play的全球累计安装量已达6050万次,其中2500万次下载发生在今年。与应用上线初期的前五个月相比,过去五个月的下载量增长了138%。从市场分布来看,印度是最大下载市场,其次是美国、巴西、巴基斯坦和墨西哥。
Q3:Meta AI应用与ChatGPT、Claude等竞品相比排名如何?
A:Muse Spark发布后,Meta AI应用排名从美国App Store第57位快速升至第5位,增长势头明显。但目前仍落后于其他头部AI应用,OpenAI的ChatGPT排名第1,Anthropic的Claude排名第2,谷歌的Gemini排名第3,Meta AI暂列第5。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。