Meta EngineeringMeta 将 Android 虚拟设备框架 Cuttlefish 原生移植到 macOS，通过支持 QEMU 和 vhost-user，解决在 Apple Silicon 上运行虚拟设备的技术难题，提升开发效率并统一测试环境。新版本支持 macOS 的显示、签名和构建流程，并扩展了蓝牙、Wi-Fi、3D 图形等特性，使 Mac 开发者可使用与 CI 相同的高保真虚拟设备。
Meta Engineering4040Meta 的 Intelligent Delivery 系统通过 AI 优化计算资源分配，自 2017 年以来为广告排序性能额外提升约 10%。该系统包含预测计算边际效用的 Resource Core Model（6B 稀疏参数+20M 密集参数）、跨系统资源迁移的多层机制，以及利用智能体 AI 持续检测响应系统变化的框架。
Meta EngineeringMeta推出Your Algorithm工具，用户可通过自然语言编辑兴趣列表（"Interested In"/"Not Interested In"）实时调整Feed和Reels推荐内容。该系统使用LLM处理用户偏好并整合用户行为，通过检索、重排序和推送优化环节实现响应式调整，新兴趣内容会快速出现但不会主导推荐。
Meta Engineering精选6666Meta公布Catching JiTTests已在内部投入生产，用LLM为待合入的diff自动生成可执行测试，在代码落地前暴露行为差异
推荐理由: Meta 公开了 JiTTests 的生产部署细节与量化结果，可供评估 LLM 生成测试在超大规模代码库中的落地方式。
Meta Engineering2026 Python 类型提示调查收到 1794 份回复，检查器选择出现显著变化，半数受访者使用多个检查器，缺失库类型信息仍是主要困难。AI 工具在类型提示中的使用率大幅提升，从 18.5% 增至 38.4%，其中 42.5% 的受访者由 AI 生成类型提示，61.0% 使用 AI 修复检查器错误，但 29.8% 对 AI 辅助编码的实用性表示不确定。
Meta EngineeringMeta 的 PrivacyLib 通过一个通用库在数据访问点实现隐私控制，替代了以往在各系统中单独实现相同逻辑的方式。该库每秒执行数十亿次检查，支持内部 AI 智能体在受支持路径上传递上下文以监控数据访问。系统只需集成一次，新的隐私能力即可作为模块复用，无需每个系统单独开发。
NVIDIA Newsroom精选7070NVIDIA与Meta宣布扩大在Muse及Muse系列模型上的合作，重点优化推理与训练性能，并考虑在NVIDIA OpenShell参考架构和NVIDIA Sentry智能体行为监控上展开协作。
推荐理由: 两家公司把合作范围从模型训练推理优化延伸到智能体安全与监控，并附带30亿美元股权投资。
PyTorch BlogPyTorch 用户可在 AMD MI350 系列显卡上通过 FlyDSL 使用现有算子 API 加速密集和分组 GEMM、融合多头注意力、MXFP8/MXFP4 缩放 GEMM、RMSNorm 和 TopK，无需调用自定义内核
Google Developers BlogMeta 的 TorchTitan 集成 TorchTPU 使 PyTorch 模型可在 Google Cloud TPU 上原生训练，仅需少量代码更改。
Meta EngineeringGenRecs Tokenization 通过将广告、产品等项用稳定语义词汇表表示，结合 Meta 生成式广告模型（GEM）和自适应排序模型，为广告主带来 0.35% 的转化率提升。该技术利用预训练大模型的世界知识，使推荐系统能理解新项目或无历史交互的用户偏好，并通过共享概念加速学习、实现跨活动迁移、随大模型规模提升性能，形成性能改进的反馈循环。
Meta EngineeringMeta 完成了 Prometheus 超级集群的首阶段建设，该集群计划扩展至约 100 万个 GPU，采用闭环液体冷却技术，目前运行 Muse 大型语言模型。
Meta Engineering22222026世界杯期间，Meta旗下平台创多项流量纪录：WhatsApp单秒峰值超3000万消息，Instagram推荐系统流量环比增80%，Facebook直播观看量激增。流量高峰主要出现在比赛间歇期，而非实时比赛时段。Meta通过数据中心负载均衡、边缘节点路由、动态扩容及区域性降级等分层系统应对，并提前与ISP合作优化网络容量，最终实现无中断服务。
Together AI BlogMeta Muse Spark Open 已在 Together AI 平台上线，这是目前最强大的美国开源重量模型，专为需要将整个代码库保存在上下文中的长时间运行智能编码工作流程而构建。
Meta AI BlogMeta AI 发布的 SAM 3 和 DINOv3 开源模型，通过 300 A100 GPU 在 NERSC 超级计算机上实现科学图像 15 分钟内完成 3D 语义分割与重建，助力美国能源部 Genesis 任务项目解决 ALS 升级后数据爆炸带来的分析瓶颈，已在葡萄藤干旱细胞级研究中实现月度专家标注效率提升 20 倍。
Meta AI BlogMuse Spark 1.1 是 Meta Superintelligence Labs 最新发布的多模态推理模型，在工具和计算机使用、编码及多模态理解方面显著提升，支持百万 token 上下文窗口，通过 Meta Model API 对开发者开放公共预览，在 Meta 内部编码评测中超越 Muse Spark 并与领先替代方案持平。
Meta AI BlogMeta AI 发布了其最先进的图像生成模型 Muse Image，该模型能忠实遵循指令、精确编辑、从多参考中构图，并具备智能体工具使用能力，已集成 Muse Spark；Muse Video 同样基于相同预训练基础，提供卓越视觉保真度并支持原生音频。
Meta AI BlogMeta AI 发布 Brain2Qwerty v2，非侵入式脑机接口实时解码句子，词准确率达 61%；v1 训练代码及数据集开源，v1 数据集由合作方 BCBL 发布。
