Meta宣佈Facebook的AI照片編輯建議功能在美國和加拿大全面上線。該功能可訪問用戶未分享的相機照片，提供編輯建議，鼓勵用戶將AI優化後的圖片發佈到動態或Stories。今年夏季已進行測試，用戶打開應用時會收到"允許雲處理"權限請求，以實現個性化創意推薦。
Meta升級AI聊天機器人家長控制，推出"總開關"讓家長能在Instagram和Facebook上完全阻止未成年子女訪問AI聊天角色，並新增"洞察"功能加強青少年保護，迴應社會對AI安全問題的關注。
Meta宣佈自2025年12月16日起，用戶與Meta AI的所有文字或語音對話將被整合進其廣告和內容算法。這意味着用戶在AI聊天中的互動將直接影響其在Facebook、Instagram等平臺看到的廣告、帖子和羣組內容。例如，討論徒步旅行後，用戶動態將推送更多相關廣告和內容。
Meta公司推出AI助手，提升Facebook Dating體驗。該助手可個性化推薦匹配對象，如“布魯克林的科技行業女性”，並幫助優化用戶資料，提高匹配成功率，減輕尋找對象的疲勞感。
發現、保存、下載和生成在TikTok、Facebook、YouTube等平臺上表現出色的廣告。
Outsoci是一個為企業和代理商提供的終極引流工具，可以從Facebook、Instagram、TikTok、LinkedIn、YouTube、Google Maps、Reddit和ProductHunt上合法提取和收集電子郵件。
為您的網站添加AI聊天機器人，通過WhatsApp、Facebook Messenger、聯繫表等與訪客交流。
JarveePro是一款多平臺社交媒體管理和自動化工具，支持Instagram、Facebook、YouTube等平臺。
woodBorjo
本模型是基於facebook/mask2former-swin-tiny-coco-instance在qubvel-hf/ade20k-mini數據集上進行微調的實例分割模型。該模型專門針對ADE20K-mini數據集中的場景理解任務進行了優化，在實例分割任務上表現出良好的性能。
sahirp
該模型是基於 Facebook 的 DETR-ResNet-50-DC5 目標檢測模型在時尚數據集上進行微調的版本，專門用於時尚物品檢測和分類。模型在 Fashionpedia 數據集上進行了優化，能夠識別服裝、配飾等時尚物品。
facebook
MobileLLM-Pro是Meta推出的10億參數高效設備端語言模型，專為移動設備優化，支持128k上下文長度，提供高質量推理能力。該模型通過知識蒸餾技術訓練，在多項基準測試中超越同規模模型，並支持近乎無損的4位量化。
MobileLLM-R1是Meta發佈的高效推理模型系列，包含140M、360M和950M三種規模。該模型專門針對數學、編程和科學問題進行優化，在參數規模較小的情況下實現了與大規模模型相當甚至更優的性能。
MobileLLM-R1是Meta發佈的高效推理語言模型系列，專注於數學、編程和科學問題解決。該模型在參數規模較小的情況下仍能取得優異性能，提供完整的訓練配方和數據源支持復現研究。
MobileLLM-R1是Facebook推出的高效推理模型系列，專注於數學、編程和科學問題解決。該模型在僅使用約2T高質量標記進行預訓練的情況下，在多項基準測試中取得了優異性能。
MobileLLM-R1是專注於數學、編程和科學問題的高效推理模型系列，在較少訓練數據下實現出色性能，提供完整的訓練配方和數據源。
MobileLLM-R1是Meta推出的高效推理模型系列，專注於解決數學、編程和科學問題。該模型提供140M、360M和950M三個規模版本，具有出色的推理能力和可復現性。
MobileLLM-R1是MobileLLM系列中的高效推理模型，專門針對數學、編程和科學問題進行優化，在參數規模更小的情況下實現了更高的準確率，具有低訓練成本和高效率的特點。
MapAnything是一個端到端訓練的Transformer模型，能夠以多種模態作為輸入，直接回歸場景的分解度量3D幾何結構。該模型支持超過12種不同的3D重建任務，包括多圖像SfM、多視圖立體視覺、單目度量深度估計等。
DINOv3是一系列通用的視覺基礎模型，無需微調就能在廣泛的視覺任務中超越專門的先進技術。該模型能生成高質量的密集特徵，在各種視覺任務中表現出色，顯著超越了之前的自監督和弱監督基礎模型。
DINOv3是Meta AI開發的一系列通用視覺基礎模型，無需微調即可在廣泛的視覺任務中超越專門的先進模型。該模型採用自監督學習方式，生成高質量的密集特徵，在圖像分類、分割、深度估計等多種任務中表現出色。
DINOv3是Meta AI開發的多功能視覺基礎模型，無需微調就能在廣泛視覺任務中超越專業模型。該模型能生成高質量密集特徵，在各種視覺任務中表現出色，顯著超越了以往的自監督和弱監督基礎模型。
DINOv3是Meta AI開發的一系列通用視覺基礎模型，無需微調就能在多種視覺任務中超越專門的先進模型。該模型採用Vision Transformer架構，在16.89億張網絡圖像上預訓練，能生成高質量的密集特徵，在圖像分類、分割、檢索等任務中表現出色。
DINOv3是一系列通用的視覺基礎模型，無需微調就能在廣泛的視覺任務中超越專門的先進模型。該模型採用自監督學習方式，生成高質量的密集特徵，在各種視覺任務中表現出色，顯著超越了以往的自監督和弱監督基礎模型。
DINOv3是一系列通用的視覺基礎模型，無需微調就能在廣泛的視覺任務中超越專門的先進技術。該模型通過自監督學習生成高質量的密集特徵，在各種視覺任務中表現出色，顯著超越了以往的自監督和弱監督基礎模型。
MetaCLIP 2 (worldwide) 是一個基於Transformer架構的多語言零樣本圖像分類模型，支持全球範圍內的視覺語言理解任務，能夠實現無需訓練即可對圖像進行分類的能力。
nvidia
ESM-2 是 NVIDIA 基於 Facebook Research 原始 ESM-2 模型使用 TransformerEngine 庫優化的蛋白質語言模型，在數值精度範圍內具有相同的權重和輸出，適用於蛋白質序列分析任務。
Anjan9320
這是一個基於Facebook MMS項目的超輕量級印地語語音合成模型，採用VITS架構，能夠將印地語文本轉換為高質量、自然流暢的語音輸出。模型專為印地語優化，具有高效的推理性能。
這是一個基於Facebook MMS項目的超輕量級印地語語音合成模型，專門針對女性聲音進行了優化。該模型能夠將印地語文本轉換為自然流暢的女性語音，具有輕量級、高效運行的特點，支持隨機時長預測器生成不同節奏的語音。
MCP與Facebook idb的集成工具，實現iOS設備自動化管理
這是一個用於搜索和分析Facebook公共廣告庫的MCP服務器項目，可通過Claude等工具查詢企業廣告投放情況，包括廣告數量、類型、內容分析及競品對比等功能。
Facebook頁面管理MCP服務器
yt-dlp-mcp是一個集成yt-dlp的MCP服務器實現，為LLMs提供視頻和音頻內容下載功能，支持多種平臺如YouTube、Facebook、TikTok等。
一個MCP服務器實現，提供視頻轉錄功能（如YouTube、Facebook、Tiktok等），可與LLMs集成。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
