Meta 重返开源权重模型
The Decoder··作者 Maximilian Schreiner
关键信息
Glimmer 旨在让 AI 智能体在 Mac 或 PC 上用单张消费级 GPU 本地全天候运行，Meta 还表示通过 4 位量化可将模型压到 20GB 以下内存。Meta 还称一个小型辅助模型可将文本输出速度最高提升 3.1 倍，但其基准对比大多由公司内部完成，且并未针对竞品做优化。
资讯摘要
Meta 发布了 Muse Glimmer，这是一个 300 亿参数的开源权重模型，并在 Hugging Face 上以 Apache 2.0 许可提供。公司表示，这个模型面向智能体工作负载，目标是在 Mac 或 PC 上借助单张消费级 GPU 本地运行，而不是依赖云端推理。Meta 说，Glimmer 是自 2025 年春季 Llama 4 以来发布的首个开源模型，而且后续还会继续推出；据《华尔街日报》报道，更强的 Muse Spark 1.2 开源权重版本预计将在未来几周内上线。此次发布发生在 Meta AI 团队经历动荡之后，包括 Llama 4 因基准争议遭到批评，以及在 Meta Superintelligence Labs 之下多次重组。Meta 还表示，Glimmer 是通过蒸馏更大模型 Muse Spark 的输出训练出来的，这是把大模型压缩成小模型的常见方法。
Meta 将 Glimmer 与 Google 的 Gemma4-31B 和阿里巴巴的 Qwen3.6-27B 进行比较，并声称它在大多数基准上占优，尤其是在工具使用、网页搜索和长上下文等智能体任务上。与此同时，Meta 也承认 Qwen 在桌面控制和终端任务上更强，而三者在多模态任务上的表现大致相当。文章提醒读者，这些对比应谨慎看待，因为大部分数据由 Meta 自行收集，而且测试环境并未针对竞品模型优化。与发布同步，Mark Zuckerberg 发表了题为《The Future is for Everyone》的文章，主张超级智能不应由少数实验室垄断，而应尽可能广泛分布。他还明确为“从可观察内容中学习”辩护，这使他直接卷入了当前围绕蒸馏、以及利用前沿模型输出作为训练数据的行业争议。
资讯正文
Meta 在扎克伯格“以更快速度复制中国并通过拍卖出售算力”的计划下重返开放模型路线
在停更一年多后，Meta 再次发布模型权重。紧凑型智能体模型 Muse Glimmer 足以与竞争对手抗衡，而马克·扎克伯格还配了一篇文章，读起来像是对 OpenAI 和 Anthropic 的回应。
这段空窗期并不平静。借助 Llama，Meta 长期以来一直是开放模型最重要的来源，但 Llama 4 表现不佳，并因基准分数被“修饰”而招致批评。该系列中最大的版本甚至根本没有发布。扎克伯格将 AI 团队重组为 Meta Superintelligence Labs，向数据提供商 Scale AI 以及顶尖研究人员的挖角投入了数十亿美元，并多次重组该部门。多年来一直是 Meta AI 研究代言人的首席科学家 Yann LeCun 已经离开公司。Muse Glimmer 是这个新部门的首个开放模型。
Meta 具有竞争力，但并不占据主导
Meta 将 Glimmer 与 Google 的 Gemma4-31B 和阿里巴巴的 Qwen3.6-27B 进行了对比，这两者是同一尺寸级别中领先的开放模型。Glimmer 在大多数基准测试中胜出，尤其是在工具调用、网页搜索和长上下文处理等智能体任务上。Qwen 在驱动电脑桌面和终端任务方面明显更强。在多模态任务上，三者表现持平。
因此，Meta 确实重新回到了小型开放模型的竞争中，但还没有领跑。并且像所有由厂商运行的基准测试一样，这些数字也要打些折扣看待。Meta 大部分对比数据由自己收集，并在方法报告中承认，其测试设置并未针对竞争对手模型进行优化。
旨在运行于你自己的硬件上
在完整精度下，这个模型需要超过 55 GB 内存。Meta 将权重量化到约 4 位，把模型压缩到 20 GB 以下。Meta 表示，这样的体积足以连同图像处理一起，装入当前消费级显卡和 MacBook 的内存中。一个小型辅助模型还能将文本输出速度最高提升 3.1 倍。其核心卖点是：一个处理你的日历、文件和私人消息的智能体，应该完全运行在你的设备上，而不是把任何数据传到云端。
Glimmer 是通过对 Meta 更大的 Muse Spark 模型进行蒸馏训练得到的，这意味着小模型学习模仿大模型的输出。这也是如今大多数紧凑型模型的构建方式。
扎克伯格为蒸馏其他实验室的模型辩护，Amodei 则称其构成威胁
随着这一发布，扎克伯格发表了一篇题为《The Future is for Everyone》的文章，阐述 Meta 的开源战略。他的核心论点是，超级智能不应该掌握在少数实验室手中，而应该尽可能广泛地分布。他写道，不可能存在单一、善意的超级智能；安全来自众多参与者之间的平衡。最危险的结果将是领先实验室把最好的模型据为己有。
引人注目的是，他为蒸馏其他公司的模型辩护得如此直白。他写道，有些人试图把这描述为有害，但值得保护的原则是“你可以从你能观察到的任何事物中学习”。这正落在一场持续进行的争论中央。OpenAI 和 Anthropic 一再指责中国实验室未经许可把他们的模型当作教师；Anthropic 首席执行官 Dario Amodei 多年来一直警告前沿级开源模型的风险，同时推动对中国实施更严格的出口管制。蒸馏会利用前沿模型的输出，在不同训练阶段生成训练数据。OpenAI 等公司认为，这让中国实验室搭了顺风车，而且鉴于他们在自身训练流水线上的投入，这实际上等同于偷窃。
扎克伯格持相反观点。他认为，美国不应该限制开源模型，而应确保最好的开源模型来自美国，其中也包括蒸馏。他还希望美国实验室在训练数据方面少一些规则，作为交换，他承诺与政府开展更紧密的合作，例如提前提供模型用于安全测试。
Meta 偏偏由这家公司来提出这样的论点，是有商业原因的。在最强能力的模型上，Meta 落后于 OpenAI 和 Anthropic。开放、广泛分发的模型是 Meta 可能合理声称领先的唯一领域。眼下，中国实验室正扮演着这一角色，而同样是这些实验室，被 OpenAI 和 Anthropic 指责在“吃”他们模型输出的“剩饭”。
直到几周前，人们才清楚这个话题有多敏感。根据 The Information 的报道，Meta 在 6 月限制了自家工程师如何使用 Anthropic 的 Claude Code 和 OpenAI 的 Codex，以免它们的输出进入 Meta 的训练数据。一份内部备忘录警告称，与合作伙伴公司之间会出现严重升级。至少在措辞上，这种升级如今已经发生。
悬而未决的问题是：投资者能从 6000 亿美元中得到什么？
对股东来说，另一个更大的问题正在逼近。根据《华尔街日报》，Meta 计划今年单年就投入最高 1450 亿美元，其中大部分用于数据中心，并在 2028 年前累计投入 6000 亿美元。到目前为止，还没有直接收入与之匹配。Meta 在高端模型上落后于 OpenAI 和 Anthropic，也没有同等规模的 API 业务，而像 Glimmer 这样的开源模型，设计上就不会带来许可收入。
7 月份则显示了华尔街变得多么没耐心。在财报电话会上，扎克伯格提出了一个云业务设想，希望直接将 Meta 的数据中心商业化。但他没有给出细节，投资者随即抛售股票。在一次内部全员大会上，他也承认了公司 AI 改造中的薄弱环节。
元宇宙的类比几乎让人无法忽视。当时，他宣布了一次代际性的技术平台转变，将公司更名，并在多年里向 Reality Labs 投入了数百亿美元，但始终没有真正出现面向大众市场的产品。不过，有一个差别很重要。AI 已经在改善 Meta 的核心业务，包括广告定向和推荐系统，而且 AI 计算能力的需求是真实存在的，这从整个行业的支出就能看出来。但如果 Meta 搭建起庞大的基础设施，却把模型免费送出去，而竞争对手却把最好的模型拿去卖钱呢？
Zuck 打算如何赚钱的线索，藏在这篇文章的一个从属分句里。免费版本应该能触达数十亿人，而任何想要更多算力的人，都要通过“动态拍卖机制”付费。需求决定价格，稀缺的数据中心容量则会分配给出价最高的人。
Meta 对这套玩法并不陌生。其广告业务是地球上最大拍卖机器之一，多年来一直遵循同样的逻辑运转。扎克伯格会把这种定价模式移植到算力上，这也与他在 7 月暗示过的云计算思路相契合。但这仍然只是一张草图：没有产品，没有时间表，也没有说明它究竟适用于消费者、开发者还是企业客户。
因此，这篇文章也像是在回应 Meta 自己的投资者。如果 Meta 无法赢得最佳模型的竞争，它就宣布分发才是真正目标，而其基础设施本身就是产品。一些观察人士认为，在 Deepmind 最近经历动荡之后，Google 可能会沿着类似路径前进。至于这是否会变成一个价值 6000 亿美元的商业模式，这不是扎克伯格的理念单靠自己就能回答的问题。
来源与参考
收录于 2026-08-11