共计 1462 个字符，预计需要花费 4 分钟才能阅读完成。
在 AI 领域,战略的转向往往比技术本身更引人注目。近日,Meta 正式推出了全新大模型 Muse Spark, 代号“Avocado”。令人意外的是, 这款模型被明确标注为“闭源”,API 仅向少数合作伙伴开放预览。这一举动, 标志着 Meta 彻底告别了以往“开源对抗闭源”的口号, 转向了一条更务实、更追求商业回报的道路。
📌 从废墟中重建:Meta 的破釜沉舟
要理解 Muse Spark 的战略意义, 必须先回顾 Meta 过去一年的动荡。2025 年, 被寄予厚望的 Llama 4 发布后, 很快陷入“刷榜”丑闻, 社区质疑声不断, 甚至前首席科学家 Yann LeCun 也承认测试结果“被修饰了一点”。这一事件严重损害了 Meta 的 AI 品牌信誉。
扎克伯格对此反应激烈,据外媒报道, 他“对所有相关人员失去了信心”, 随后直接架空了整个生成式 AI 团队, 大批人马离开。这不仅仅是某个模型的失败, 更意味着过去从模型架构到研发流程的整套体系可能都走不通了。
扎克伯格选择了最彻底的解决方案: 全部推翻,在废墟上重建。2025 年夏天, 他以 143 亿美元的天价拿下数据标注巨头 Scale AI 49% 的股份, 并请其创始人、华裔青年 Alexandr Wang 出任首席 AI 官, 统管新组建的 Meta 超级智能实验室(MSL)。
这位年轻舵手上任后的第一把火,就是从 OpenAI、谷歌 DeepMind 等竞争对手那里, 以天价薪酬挖来了一支“复仇者联盟”。翻看 MSL 首批 11 人名单,7 位核心研究员都是华人背景, 包括:
- 毕树超(GPT-4o 语音模式与 o4-mini 共同创建者)
- 赵晟佳(ChatGPT 到 o3 的核心成员)
- 于佳慧(前 OpenAI 感知团队负责人)
- 思维链提出者 Jason Wei
- 扩散模型核心人物宋飏
🔍 Muse Spark 的技术成色: 偏科的天才
- 在医学开放式问答评测 HealthBench Hard 中,Muse Spark 得分 42.8, 远超 GPT-5.4 的 40.1 和 Gemini 3.1 Pro 的 20.6。
- 在科研论文图表理解测试 (CharXiv Reasoning) 中, 以 86.4 的高分力压 GPT-5.4 的 82.8。
- 应用场景丰富: 能通过照片分析食物卡路里、识别瑜伽动作并纠正姿态、甚至操作咖啡机。
- 在 ARC AGI 2 抽象推理测试中, 仅得 42.5 分, 远低于 Gemini 3.1 Pro 的 76.5 分和 GPT-5.4 的 76.1 分。
- 在软件工程实测 (SWE-bench Pro) 中, 通过率 52.4%, 略逊于 GPT-5.4 的 57.7%。
💡 核心技术突破: 思维压缩与效率跃升
抛开跑分,Muse Spark 背后真正可怕的地方, 藏在 Meta 公布的一项技术数据里: 在新重建的技术栈下,Muse Spark 达到与上一代 Llama 4 Maverick 同等性能水平所需的计算量,减少了超过一个数量级——这可是 10 倍以上的效率跃升。
在算力就是金钱的 AI 军备竞赛中,这几乎等于用对手造一发子弹的预算造出了一颗原子弹。怎么做到的? 这就要提到 MSL 团队反复强调的核心技术——「思维压缩」(Thought Compression)。
📊 行业观察: 从开源到闭源的战略转向
围绕“钮祜禄·Meta 闭源归来, 时代追上了李彦宏?”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
🚀 总结: 新 Meta 的宣言
- 不追求面面俱到, 而是先在优势垂直领域扎根
- 逻辑不够, 眼睛来凑, 先解决现实世界里的实际问题
- 从开源转向闭源, 追求更务实的商业回报
