LeCun 交棒后，Meta AI 重構(gòu)底層路線，這次押在了分發(fā)系統(tǒng)上。

整理 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

元宇宙那筆舊賬還沒徹底翻篇，Llama 幫 Meta 搶回來的那口氣，也沒能順著 Llama 4 繼續(xù)頂上去。就在這種有點(diǎn)尷尬、又有點(diǎn)著急的時(shí)刻，扎克伯格終于端出了他真正想要的東西。

不是一個(gè)只在排行榜上冒頭的新模型名字，而是一層準(zhǔn)備塞進(jìn) Meta 全家桶的默認(rèn)智能接口。今早發(fā)布的Muse Spark，就是這臺(tái)新機(jī)器第一次公開開火的聲音。

過去一年，Meta 在 AI 上一直卡在一個(gè)很別扭的位置。它不是沒有聲量。Llama 一度讓 Meta 重新站回開源 AI 的浪頭，也讓扎克伯格短暫擺脫了“只會(huì)燒錢搞元宇宙”的單線敘事。

可問題是，聲量沒有自然長成產(chǎn)品統(tǒng)治力。ChatGPT 改寫了大眾對(duì) AI 入口的想象，Anthropic 拿走了高端用戶心智，Google 又把模型、搜索、辦公和系統(tǒng)入口重新焊回自己手里。Meta 明明握著最龐大的分發(fā)網(wǎng)絡(luò)，卻始終沒把模型能力壓成一個(gè)足夠強(qiáng)勢的產(chǎn)品形態(tài)。

更麻煩的是，Llama 4 也沒把那種上升勢頭穩(wěn)穩(wěn)接住，原本的首席科學(xué)家、圖靈獎(jiǎng)得主楊立昆（Yann LeCun）也分道揚(yáng)鑣。圍繞 benchmark 展示方式、能力預(yù)期和路線判斷的爭議，讓 Meta 的模型敘事重新進(jìn)入壓力區(qū)。

扎克伯格顯然不想再慢慢等了。他要的是把 AI 方向重新拎回自己手里，把研究、產(chǎn)品、分發(fā)重新捏成一臺(tái)機(jī)器。Muse Spark，就是這次重組之后的第一張成績單。

Muse Spark 到底是什么？

Muse Spark 是 Meta Superintelligence Labs，也就是 MSL，拿出的首個(gè)模型。也就是說，來自于那位“趕跑楊立昆”的華裔小伙兒，Alexandr Wang。

MSL 成立于 2025 年 6 月，Muse Spark 則是這支新團(tuán)隊(duì)在 9 個(gè)月重建 AI stack 之后交出的第一份公開答卷。Meta 給它的定位也不含糊：這不是一次常規(guī)升級(jí)，而是通向個(gè)人超級(jí)智能的第一步。

它現(xiàn)在已經(jīng)進(jìn)入 Meta AI app 和 meta.ai，接下來還會(huì)繼續(xù)鋪進(jìn) WhatsApp、Instagram、Facebook、Messenger 和 AI 眼鏡。

它被定義成原生多模態(tài)推理模型，不是簡單把文字和圖像能力后拼在一起。Meta AI app 和 meta.ai 目前已經(jīng)提供 Instant 與 Thinking 兩種模式，而更重的 Contemplating 模式則把多個(gè) specialized agents（專用智能體）并行拉進(jìn)來，再把結(jié)果匯總，用來處理最難的問題。

這一下就把它和普通聊天模型拉開了。Muse Spark 不是靠單輪問答取勝，它更像一套分層工作的推理系統(tǒng)：快問題即時(shí)回，復(fù)雜問題深度想，最難的問題交給多 agent 并行處理。這套設(shè)計(jì)背后不是實(shí)驗(yàn)室里的概念炫技，而是很現(xiàn)實(shí)的產(chǎn)品取舍：既要能力，又要時(shí)延，又要能在消費(fèi)級(jí)場景里大規(guī)模跑起來。

Muse Spark 在 HealthBench Hard 上拿到42.8，高于 GPT-5.4 的40.1和 Gemini 3.1 Pro 的20.6；在 FrontierScience 上是38.3%，也高于 GPT-5.4 的36.7%。放到 Humanity’s Last Exam 這個(gè)公認(rèn)最難的一類綜合科研推理 benchmark 里，它在無工具條件下是50.2%，而到了 Contemplating 模式，大約可以到58%。

這層強(qiáng)化還延伸到了視覺和多模態(tài)。Muse Spark 在 CharXiv 上拿到86.4，高于 GPT-5.4 的82.8和 Gemini 的80.2；在 MMMU-Pro 上是80.5%，雖然還略低于 Gemini 的82.4%。再看 Meta 展示的那些場景，事情就更清楚了：識(shí)別貨架商品，理解圖表與現(xiàn)實(shí)環(huán)境，生成小網(wǎng)站和小游戲，結(jié)合帖子與社區(qū)內(nèi)容回答問題。Muse Spark 不只是想證明自己會(huì)算題，它想直接住進(jìn) Meta 的產(chǎn)品里。

扎克伯格放棄開源？

如果只把 Muse Spark 看成一次模型更新，就會(huì)把這件事看小了。

外媒盯住的也根本不只是模型本身。TechCrunch 直接把它寫成 Meta AI 的一次徹底重做；Reuters 的標(biāo)題更直接，說它是 Meta 這個(gè)高成本 superintelligence 團(tuán)隊(duì)推出的首個(gè)模型；CNBC 和 New York Times 也都把它放進(jìn)同一條敘事線里：Meta 砸下巨大代價(jià)重組 AI 之后，終于拿出了第一項(xiàng)公開成果。

Meta 這次重新構(gòu)建了預(yù)訓(xùn)練堆棧，用比之前模型 Llama 4 Maverick 低超過一個(gè)數(shù)量級(jí)的計(jì)算量就能達(dá)到相同的能力。

真正的變化，在于它根本不是沿著 Llama 那條線自然長出來的續(xù)作，而更像 Meta 在組織、架構(gòu)、分發(fā)和產(chǎn)品定義上重新開了一條路。當(dāng)前版本是閉源，只向部分合作伙伴開放 private preview API，但 Meta 又故意留了一道口子：未來的 Muse 系列，可能同時(shí)存在閉源與開源變體。

它意味著 Meta 不是簡單放棄開源，而是把開源從當(dāng)前主敘事往后挪了一步。先把能力攥在手里，先把體驗(yàn)壓進(jìn)自家入口，再?zèng)Q定未來哪些層繼續(xù)開放。這和 Llama 時(shí)代那種先用開放權(quán)重?fù)屔鷳B(tài)位置的打法，已經(jīng)不是同一種節(jié)奏了。

如果只看總榜位置，Muse Spark 也已經(jīng)進(jìn)入前沿模型主桌。Artificial Analysis Intelligence Index v4.0 里，它的分?jǐn)?shù)是52，排在第 4，落后于 Gemini 3.1 Pro 和 GPT-5.4 的57，也略低于 Claude Opus 4.6 的53。這還遠(yuǎn)遠(yuǎn)不夠支持“Meta 已經(jīng)反超”這種結(jié)論，但足以說明它已經(jīng)不是空氣產(chǎn)品。

所以，Muse Spark 的意義一半在產(chǎn)品層，另一半在組織層。它不僅是 MSL 的首個(gè)模型，也是 LeCun 離開之后，Meta 新 AI 權(quán)力結(jié)構(gòu)第一次公開交卷。

LeCun 離開后，誰在接管 Meta AI

LeCun 時(shí)代的 Meta AI，更像一家由研究者氣質(zhì)定義節(jié)奏的實(shí)驗(yàn)室。可以長期押注基礎(chǔ)研究，可以通過開源建立聲望，也可以不急著把一切都變成消費(fèi)級(jí)產(chǎn)品。那是一種研究派主導(dǎo)的 Meta AI。

我們之前整理過一篇，里面就聊到了當(dāng)時(shí)的情況。

Muse Spark 所代表的新階段，顯然不再只是這套邏輯。MSL 的形成，本身就和 Meta 在 2025 年 6 月重組 AI 資源、引入 Alexandr Wang 進(jìn)入新 AI 權(quán)力中心連在一起。和 LeCun 所代表的研究派相比，Wang 被拉進(jìn) Meta 的象征意義非常明確：扎克伯格要的不是更優(yōu)雅的研究敘事，而是更高執(zhí)行力、更強(qiáng)產(chǎn)品化、更貼近平臺(tái)戰(zhàn)爭的 AI 組織。

曾經(jīng) Llama 其實(shí)是 Meta 在 AI 上最關(guān)鍵的一次翻盤。它贏得了開發(fā)者聲量，也贏得了開源敘事，甚至一度讓 Meta 成為 OpenAI 之外另一種未來的代表公司之一。沒有這段歷史，Muse Spark 的分量會(huì)被誤讀。

問題在于，Llama 的成功主要發(fā)生在模型層和生態(tài)層，但 Meta 真正最擅長的地方，從來不是只做一個(gè)模型，而是把能力壓進(jìn)巨大的分發(fā)系統(tǒng)。也正因?yàn)檫@樣，當(dāng) Llama 4 沒能把那種高度確定的勝勢繼續(xù)往前推時(shí)，Meta 才會(huì)顯得格外別扭：它明明擁有最龐大的入口，卻沒有把入口變成 AI 時(shí)代的決定性優(yōu)勢。

Muse Spark 在補(bǔ)的，正是這門課。它和 Llama 時(shí)代最不一樣的地方，不在于某個(gè)單點(diǎn) benchmark，而在于 Meta 終于開始把“我有模型能力”改寫成“我能把模型能力裝進(jìn)日常入口”。從這個(gè)角度看，Muse Spark 的關(guān)鍵詞不是參數(shù)，不是排行榜，而是分發(fā)。

而一旦談到分發(fā)，Meta 就回到了自己最擅長的戰(zhàn)場。

Meta 重新回到主桌，但還沒贏

OpenAI 擁有產(chǎn)品速度，Anthropic 擁有高質(zhì)量心智，Google 擁有基礎(chǔ)設(shè)施和系統(tǒng)入口，但 Meta 擁有的是社交網(wǎng)絡(luò)、內(nèi)容流、消息系統(tǒng)和可穿戴設(shè)備的組合。這也是為什么 Meta 在發(fā)布 Muse Spark 時(shí)，反復(fù)強(qiáng)調(diào)它后續(xù)將進(jìn)入 WhatsApp、Instagram、Facebook、Messenger 和 AI 眼鏡。它不是想再做一個(gè)獨(dú)立 AI app，而是想讓 AI 成為整個(gè)產(chǎn)品矩陣的默認(rèn)接口。

這種思路，也能從它的發(fā)布姿態(tài)里看出來。Muse Spark 首發(fā)沒有沿用 Llama 那套開放權(quán)重?cái)⑹拢?strong>先進(jìn)入 Meta 自家的 app 和網(wǎng)頁，并只向部分合作伙伴開放 private preview API。官方當(dāng)然還留著“未來繼續(xù)推出更先進(jìn)開源模型”的空間，但至少在 Muse Spark 這一代上，Meta 的優(yōu)先級(jí)已經(jīng)很清楚了：先把能力攥在自己手里，先把體驗(yàn)做進(jìn)自家分發(fā)系統(tǒng)，先讓這臺(tái)新機(jī)器跑起來。

更關(guān)鍵的是，這條路線不是只追求更強(qiáng)，而是在追求更有效率。Muse Spark 在 Intelligence Index 評(píng)測中只用了58M tokens，而 GPT-5.4 用了120M，Claude Opus 用了157M。換句話說，在接近前沿模型主桌的能力下，Muse Spark 打出了大約2 到 3 倍的 token 效率。thinking time penalty、token compression、強(qiáng)化學(xué)習(xí)后訓(xùn)練優(yōu)化，這些訓(xùn)練方法關(guān)鍵詞最后都指向同一件事：Meta 想要的不只是更大的模型，而是一個(gè)能在消費(fèi)級(jí)產(chǎn)品里大規(guī)模跑起來的推理系統(tǒng)。

這其實(shí)是一種很 Meta 的回歸。元宇宙時(shí)代留下的最大后遺癥，不只是虧了多少錢，而是扎克伯格必須重新證明，Meta 仍然配得上“下一代平臺(tái)公司”這個(gè)位置。Llama 曾經(jīng)幫他短暫拿回這個(gè)敘事，但那更多是研究層和生態(tài)層的勝利；Muse Spark 則更像是一次平臺(tái)層和組織層的重新排兵布陣。它意味著Meta 不再滿足于做 AI 時(shí)代的基礎(chǔ)設(shè)施參與者，而是想重新爭取入口、分發(fā)和用戶關(guān)系的定義權(quán)。

Muse Spark 讓 Meta 終于重新拿出了一套能同時(shí)講通模型、產(chǎn)品、組織和平臺(tái)的 AI 敘事，但又沒有強(qiáng)到可以讓所有問題都消失。真正的問題不再是“Meta 有沒有籌碼”，而是當(dāng)扎克伯格親自收攏方向、Wang 接手執(zhí)行后，Meta 能不能把這套集中在 health、science 和多模態(tài)推理上的能力，真正壓進(jìn)它那臺(tái)龐大的分發(fā)機(jī)器里。

這場仗現(xiàn)在還遠(yuǎn)沒打完。

但 Meta 至少已經(jīng)重新回到主桌中央了。

（投稿或?qū)で髨?bào)道：zhanghy@csdn.net）

Muse Spark 目前可在 meta.ai 和 Meta AI 應(yīng)用中獲取。

【活動(dòng)分享】"48 小時(shí)，與 50+ 位大廠技術(shù)決策者，共探 AI 落地真路徑。"由 CSDN&奇點(diǎn)智能研究院聯(lián)合舉辦的「全球機(jī)器學(xué)習(xí)技術(shù)大會(huì)」正式升級(jí)為「奇點(diǎn)智能技術(shù)大會(huì)」。2026 奇點(diǎn)智能技術(shù)大會(huì)將于 4 月 17-18 日在上海環(huán)球港凱悅酒店正式召開，大會(huì)聚焦大模型技術(shù)演進(jìn)、智能體系統(tǒng)工程、OpenClaw 生態(tài)實(shí)踐及 AI 行業(yè)落地等十二大專題板塊，特邀來自BAT、京東、微軟、小紅書、美團(tuán)等頭部企業(yè)的 50+ 位技術(shù)決策者分享實(shí)戰(zhàn)案例。旨在幫助技術(shù)管理者與一線 AI 落地人員規(guī)避選型風(fēng)險(xiǎn)、降低試錯(cuò)成本、獲取可復(fù)用的工程方法論，真正實(shí)現(xiàn) AI 技術(shù)的規(guī)?；涞嘏c商業(yè)價(jià)值轉(zhuǎn)化。這不僅是一場技術(shù)的盛宴，更是決策者把握 2026 AI 拐點(diǎn)的戰(zhàn)略機(jī)會(huì)。