扎克伯格重开一局,扎克伯格有多牛

文 | 强调Next

这是过去一年里Meta最需要一个好消息的时刻。Llama4的基准造假丑闻让开发者社区彻底寒了心，旗舰项目Behemoth迟迟没有下文，与此同时OpenAI、Anthropic和Google的军备竞赛越打越猛。

扎克伯格今天把Muse Spark推到了台前。

这是Meta超级智能实验室（MSL）交出的第一份答卷，也是汪韬（Alexandr Wang）加入Meta九个月后，第一次向外界证明这笔143亿美元的赌注没有白下。发布当日，Meta股价盘中最高涨超10%，收涨约9%，市场给出了它想看到的那个答案。

一、九个月，从废墟里盖起来

要理解Muse Spark，先得理解它是怎么来的。

去年夏天，Llama4的基准测试被抓了现行：Meta承认拿了针对特定任务微调的专用版本去刷分，普通用户能用到的那个，跟公布的数据压根对不上。这件事对Meta AI的品牌伤害不小，但更深的问题在于，就算没有造假，Llama4也没能在前沿模型序列里站稳脚跟。

扎克伯格再次推倒重来。

他找来了时年29岁的Scale AI联合创始人汪韬，花143亿美元买下Scale AI 49%的非投票股权，把汪韬塞进Meta首席AI官的位置，同时成立Meta超级智能实验室，从OpenAI、Anthropic、Google高薪挖人，据报道部分研究员的薪酬包含股权在内达到数亿美元。

然后是整整九个月的沉默。

汪韬在X上写道：“九个月前，我们从零开始重建了AI技术栈。新的基础设施、新的架构、新的数据流水线。”不是在原有基础上打补丁，是字面意义上的重头来过。

结果就是Muse Spark。内部代号Avocado，是Meta新Muse系列的首个型号，定位轻量、快速，但具备完整的推理能力。

二、“思维压缩”：效率才是真正的护城河

Muse Spark最让人意外的数字，不是某个基准测试的排名，而是计算效率。

Meta声称，Muse Spark达到Llama4 Maverick同等性能水平所需的计算量，减少了十倍以上。背后是一种叫做“思维压缩（Thought Compression）”的训练技术：在强化学习阶段，对模型过度思考的行为施加惩罚，迫使它用更少的推理token解决同样的问题，同时不牺牲准确率。

这件事的战略意义比表面看起来大得多。

AI军备竞赛进入2026年，算力成本依然是最核心的约束之一。Meta今年的AI基础设施支出上限调至1350亿美元，比上年几乎翻倍。但光砸钱不够，烧得更高效才是差异点。如果十分之一的计算量能跑出同等智力水平，那意味着同样的预算可以跑更多次实验、迭代更多代模型。

从这个角度看，“思维压缩”不只是一个技术细节，它意味着这套新架构是可以规模化的。

三、偏科的“视觉天才”

评估一个新模型，先看它的长板和短板分别在哪里。Muse Spark的性格相当鲜明。

长板：多模态与健康

第三方机构Artificial Analysis的独立评测，给Muse Spark打出了52分（满分参照系中），在Intelligence Indexv 4.0排名第四，位列Gemini3.1 Pro（57）、GPT-5.4（57）和Claude Opus4.6（53）之后。

但在具体科目上，Muse Spark的多模态能力是真实的强项。视觉理解（MMMU-Pro）排名第二，得80.5，仅次于Gemini 3.1 Pro的82.4。图表推理（CharXiv Reasoning）得86.4，力压Gemini的80.2和GPT-5.4的82.8，全场第一。

Health Bench Hard上，Muse Spark拿了42.8，超过GPT-5.4的40.1，把Gemini 3.1 Pro的20.6甩开一大截。Meta号称与超过1000名医生合作，专门为健康场景定制了训练数据。

短板：逻辑推理与代码

然后是短板，同样明显。

ARCAGI 2（抽象推理）：Muse Spark得42.5，而Gemini 3.1 Pro得76.5，GPT-5.4得76.1。差距将近一倍，这个分布不像是追分的问题，更像是架构层面的结构性缺口。

终端编程（Terminal-Bench2.0）：Muse Spark得59.0，GPT-5.4是75.1，Gemini是68.5。Meta自己的技术博客里也直接承认，“长程agentic系统和代码工作流”是当前的重点投入方向。

三级推理模式

模型提供三种模式：Instant（即时）、Thinking（思考）、Contemplating（沉思）。Contemplating模式最有意思——它并行启动多个子智能体，分头处理任务再综合结论。Meta宣称在这个模式下，HLE（人类最后考试）得分达到58%，Frontier Science Research达到38%，能跟Gemini DeepThink和GPT Pro在同一个场上竞争。

值得一提的是，Muse Spark的token效率也很出色。在Intelligence Index测评中使用了约5800万输出token，与Gemini 3.1 Pro相当，远低于Claude Opus4.6的1.57亿。

四、深水炸弹：这对 DeepSeek 意味着什么？

Muse Spark 走向闭源，不仅是 Meta 的转型，更是全球 AI 生态的一次大洗牌。首当其冲的，就是一直以“开源高效率”著称的 DeepSeek。

DeepSeek 此前凭借极致的算力利用率在开源界封神，但 Muse Spark 提出的“思维压缩”直接在闭源侧把效率拉到了新高度。如果闭源模型不仅智力更强，连推理成本都下探到开源模型的水平，DeepSeek 这种“平替”的性价比优势将被大幅削弱。

当然，Meta 撤出开源，意味着开源界失去了一根定海神针。这给 DeepSeek 留下了巨大的市场空间去接管那些“被背叛”的开发者，但同时也让 DeepSeek 陷入了孤军奋战。没有了 Llama 作为行业标准，DeepSeek 必须独自面对闭源巨头们更厚的技术壁垒。

不过，汪韬主导的这次重建，在多模态融合和推理效率上的思路，与 DeepSeek 追求的方向高度重合。这意味着接下来的竞赛将不再是“开源 vs 闭源”的意识形态之争，而是纯粹的、关于“谁能用更少的卡跑出更强的智力”的终极对决。

五、最大的新闻：开源时代结束了

从2023年开始，Llama系列是硅谷“开源AI”的精神图腾。开发者靠Llama做了无数应用，学术界用它做研究，初创公司用它起家，甚至竞争对手也拿它作为参照系。Meta在这件事上赚到的品牌资产，是其AI业务最重要的护城河之一。

Muse Spark放弃了这个护城河。

官方说法很温和：“我们希望未来版本能够开源。”但没有时间表，没有承诺，没有框架。当下这个版本，只能通过MetaAI应用、meta.ai网站使用，部分合作伙伴可以申请API私测资格。架构和权重不公开。

这是彻底的闭源。

从商业逻辑上不难理解。Meta今年AI基础设施支出上限1350亿美元，这个数字需要收入来支撑，单靠开源的生态声望显然不够用。当竞争对手的每一代模型都在拉开能力差距时，把最先进的架构创新保持私密，是避免自己的研发成果直接养肥对手的理性选择。

但从开发者社区的视角，这是一次背叛。Llama之所以有价值，恰恰因为它可以被下载、被修改、被本地部署。Muse Spark做不到这些。开发者失去的不只是一个可用的模型，而是一整套建立在Meta开放性信誉上的工作流。

汪韬在X上说得很直白：“这是第一步，更大的模型已经在开发中。”言下之意，Muse Spark只是Muse系列的起点，后面的Muse才是真正的重头戏。这个表述在技术上可能是真的，但对那些已经依赖Llama生态的开发者来说，这个“未来的承诺”能不能兑现不好说。

六、扎克伯格真正在下的那盘棋

把Muse Spark放在产品层面看，它有点像今天的字节。

个人超级智能，这是扎克伯格在Facebook帖子里用的词。Muse Spark将直接驱动Facebook、Instagram、WhatsApp、Messenger上的MetaAI助手，以及Ray-BanMetaAI眼镜。超过35亿人的触点，这是OpenAI和Anthropic没有的分发优势。

购物模式最能说明问题。MetaAI识别用户在Instagram上看到的穿搭或家具，结合用户的兴趣数据和行为信号，直接推荐商品并完成购买。这不只是个好用的功能，这是Meta的社交图谱和用户数据，第一次被系统性地接入AI推理链条。

健康场景的布局同样值得注意。与1000名医生合作定制训练数据，这是Meta试图在医疗健康信息领域占据位置的明确信号。这个场景的黏性高、用户需求真实，但同时也意味着隐私风险极高——用户需要用Facebook或Instagram账号登录才能使用Muse Spark，而Meta的隐私政策对于如何使用这些健康查询数据，措辞相当模糊。

从竞争格局来看，Muse Spark的发布时机很有意思。就在前一天，Anthropic刚刚公布了Claude Mythos，初始仅向少数企业客户开放，重点指向网络安全防御。中国的Z.AI本周也在代码基准SWE-BenchPro上刷了新高。前沿AI的战线越来越宽，入局的玩家越来越多。

在这个背景下，Muse Spark想做的事，是把Meta重新钉回顶层牌桌——不一定是最强，但得够格参与对话。

七、Llama4的幽灵还在

最后还有一个问题，没有人能假装忘掉Llama 4的基准造假。

那次事件之后，Meta对所有自己公布的测试数据都欠下了一笔信誉债。Muse Spark发布时附上了大量基准数字，Artificial Analysis也拿到了早期测试资格并独立评测。

但这个问题始终存在，你怎么知道这次是真实的？

Muse Spark的Contemplating模式，是所有用户都能用到的那个，还是又是一个专为基准测试微调的特供版本？

Meta说Contemplating模式会“逐步推出”，这个措辞留了太多解释空间。

结语

Muse Spark是一张入场券，不是终点。

它证明汪韬主导的九个月重建是有产出的，证明”思维压缩”这个新技术能跑出比Llama4 Maverick高得多的效率，也证明Meta在多模态和健康领域找到了真实的差异化空间。

但它同时也是一个信号：Meta放弃了它在AI领域最独特的定位。Llama时代，Meta是那个把尖端模型免费开放给所有人的硅谷巨头，这件事让它在开发者心中的地位跟OpenAI和Anthropic完全不同。现在这个定位没了。