Meta开源最强AI模型叫板OpenAI，扎克伯格放话要跟中国开源抢地盘

麻薯滑芝士

哈喽大家好！各位每天蹲守在Hugging Face和GitHub上、第一时间下载并跑通每一个新发布开源模型的算法工程师和深度学习研究员，各位在公司技术选型会上为了"用闭源API保效果还是用开源模型控成本"争得面红耳赤的创业公司CTO和技术VP，各位在美股开盘前紧盯着Meta、谷歌和微软的盘前异动、试图从每一份资本开支指引中嗅出AI军备竞赛风向标的对冲基金分析师和投资经理，各位在阿里通义千问Qwen系列、幻方DeepSeek系列和Meta Llama系列之间反复横跳、对各家中美开源模型的推理速度、中文能力和授权协议都如数家珍的技术选型负责人和AI架构师，各位手里攥着RTX 5090甚至刚下单了搭载统一内存的顶配Mac Studio、正准备搭建全本地化AI工作站的硬核DIY玩家和Prompt工程师——你们今天绝对来对地方了，因为就在2026年8月11日这个星期二，Meta公司投下了一枚足以改变全球AI竞争格局的重磅炸弹，直接把开源社区和闭源巨头之间的战火推向了全新的高度。根据财经媒体CNBC在2026年8月10日发布的独家报道，Meta正式宣布将开源其迄今为止最强大的AI模型，并同步推出一个专门为笔记本电脑等消费级电子设备量身打造的全新模型系列。这一连串动作的意图再明显不过：Meta就是要正面硬撼OpenAI和Anthropic这些奉行闭源路线的头部AI实验室，用自己的开源生态去撬动它们苦心经营的付费围墙。Meta的首席执行官马克·扎克伯格在周一，也就是2026年8月10日，通过他的个人Instagram账号（Threads账号@finkd）发布了一段视频和一条推文，在镜头前亲口证实了这项重大决定。扎克伯格在推文中写道："今天我们同时开放了Muse Glimmer的权重——一款出色的、可在本地运行的300亿参数稠密模型。很快我们也会发布Muse Spark 1.2的权重，这是我们最新的基础模型。Meta是开源的坚定支持者，我为这些发布感到自豪。"这段表态意味着，从这一刻起，地球上任何一个拥有基本技术能力的开发者、科研机构，甚至是纯粹的个人爱好者，都可以合法地将这个代表着Meta当前最高技术水平的AI模型下载到自己的硬盘上，在自己的服务器或个人电脑里运行它，而不需要向Meta支付一分钱，也不需要签署任何限制性的使用协议。与此同时，扎克伯格还抛出了另一个极具战略意义的重磅消息：Meta即将发布一个代号为Muse Glimmer的全新开源模型家族。这个系列的设计哲学与当前主流的超大参数模型完全不同，它的核心目标只有一个——让强大的AI能力能够在普通的笔记本电脑上流畅运行，从而将AI从昂贵且遥远的云端数据中心，真正带入每一个普通消费者的掌心和桌面。这篇文章今天要跟你聊的，远远不止是Meta发布了什么新品这么简单。我们将深入剖析Meta这套开源组合拳背后的战略意图，拆解扎克伯格那篇长达6500字、足足14页的AI宣言里每一处针对中国开源生态和美国政策制定者的精妙算计，以及这一切对整个AI行业未来三到五年发展格局可能产生的深远影响。

咱们先把Meta这波操作的核心技术细节和市场背景彻底捋清楚。根据CNBC在2026年8月10日发布的权威报道，Meta此次选择的路线，与它的美国同行OpenAI和Anthropic形成了教科书级别的鲜明对比——全面拥抱开源。扎克伯格在那段发布于Instagram的视频和配套推文中明确表示，公司将开放Muse Spark 1.2的模型权重。对于很多非技术背景的读者来说，"模型权重"这个概念可能有些抽象，我来给你打个比方：你可以把一个AI模型想象成一个极度复杂的人类大脑，而"权重"就是这个大脑里数以千亿计的神经元之间相互连接的强度和方式。正是这组庞大到难以想象的参数矩阵，决定了这个AI大脑在看到一张图片、读到一句话或者听到一段声音时，会做出怎样的反应和输出。开放权重，就意味着Meta把这颗"大脑"的完整构造图纸和连接图谱公之于众了。任何开发者都可以下载这份"图纸"，在自己的硬件上复刻出一个一模一样的AI大脑，并进行后续的微调、蒸馏或者二次开发。这与OpenAI的GPT系列和Anthropic的Claude系列形成了天壤之别。后两者是彻头彻尾的闭源模型，它们的"大脑"被严密地锁在保险柜里，外界只能通过它们提供的付费应用程序编程接口，也就是API，像打电话一样去调用它们的能力，按字付费，永远无法触及模型本身。Meta此举无异于向整个AI行业宣告：AI的未来不应是被少数巨头垄断的稀缺资源，而应是人人可得、人人可用的公共基础设施。值得补充一个关键的技术定位细节：Muse Spark 1.2并非一个从零训练的全新代际模型，而是Meta Superintelligence Labs在Muse Spark 1.1基座上，针对编码任务进行大规模强化训练后得到的"编码专用checkpoint"。它在模型架构上与1.1同源，上下文窗口维持1048576个token（约100万token），输入支持文本、图像、视频和PDF，输出为纯文本；Meta未公开其参数量与架构细节。根据独立评测机构Artificial Analysis的数据，Muse Spark 1.2在Intelligence Index上获得约54至57分（不同采样时点），较Muse Spark 1.1的约51至53分提升了约3分，较今年4月原始Muse Spark的约43分提升了约11分，已追平Grok 4.5（high）并紧追Claude Opus 5、GPT-5.6 Sol等前沿模型。在Meta自身的评测中，Muse Spark 1.2在Terminal-Bench 2.1上达到82.9%（1.1为76.2%），在DeepSWE v1.1上达到59.3%（1.1为53.0%），在Meta内部编码基准上达到70.6%（1.1为68.3%）。需要说明的是，这些厂商自报的基准分数需在相同agent脚手架下横向解读——在DeepSWE v1.1（无互联网访问、113个任务横跨91个代码仓库和五种编程语言）上，Muse Spark 1.2的59.3%实际上位列第三，排在Claude Opus 5（约65%）和GPT-5.6 Terra（约64.8%）之后。这意味着1.2是一个在终端agent编码这一专项上进步显著的模型，但尚非全面领先的"最强模型"。扎克伯格用"our latest foundation model"来描述它，准确的理解应是"Meta最新的基础模型（foundation model）checkpoint"，而非"全面碾压所有对手的终极模型"。这个区分很重要，它能帮你避免在阅读各类营销稿时产生不切实际的期待。

除了Muse Spark 1.2的全面开源，扎克伯格在推文中透露的另一项信息同样具有颠覆性的潜力：Meta已正式发布Muse Glimmer——一款约300亿参数的稠密多模态模型，采用极度宽松的Apache 2.0开源许可证，权重已在Hugging Face上线。这个系列的设计出发点非常纯粹，也非常务实——就是要让AI模型能够高效地运行在普通的笔记本电脑上，而不是必须依赖那些造价动辄数十亿美元、耗电量堪比一座小型城市的超大规模数据中心。目前，全球范围内绝大多数最先进的AI模型，无论是OpenAI的GPT-5.6、Anthropic的Claude Opus 5还是谷歌的Gemini 3.6，它们的每一次推理运算都发生在云端。当你向ChatGPT或Claude提问时，你的问题会被打包成数据包，穿过网线或无线信号，传输到千里之外某个巨大的数据中心，在那里由成千上万块英伟达H200、B200或GB200 GPU组成的超级计算机集群进行高速运算，然后再将结果沿着同样的路径传回你的屏幕。这个过程虽然已经很快，但仍然存在网络延迟、数据隐私泄露风险和持续增长的API调用成本这三个核心痛点。Muse Glimmer的目标，就是从根源上彻底改变这种模式。它要让模型直接在用户的本地设备上运行，实现完全的离线推理。根据Meta官方在2026年8月10日同步发布的技术说明，Muse Glimmer拥有约296亿个总参数，其中包括一个约18亿参数的视觉编码器——也就是说，它是一个"约300亿参数"的稠密模型（非混合专家MoE架构），支持文本和图像输入、文本输出，训练数据覆盖100种以上语言，知识截止日期为2026年1月4日。这个参数量级经过精心选择，它是一个在模型性能和硬件门槛之间取得的精妙平衡点。Meta采用极为宽松的Apache 2.0开源许可证来发布Muse Glimmer，这意味着企业和个人不仅可以免费下载和使用，还可以对其进行商业化改造和再分发，没有任何用户数量的限制——这与Meta此前Llama系列所使用的、对部分商业场景设有限制的自定义许可证形成了鲜明对比。在技术指标上，Muse Glimmer针对当前最热门的"智能体"应用场景做了专门的优化，它能够自主规划和执行多步骤的复杂任务，比如根据你的指令自动编写并调试一段Python代码、整理你散落在各个文件夹里的工作文档、甚至根据截图理解桌面应用的状态来驱动鼠标键盘操作。它支持图文混合输入，上下文窗口达到131072个token（约128K-131K），这意味着它可以一次性"记住"一本数百页厚书的大部分内容。最关键的一点是，通过高效的4-bit量化技术，Muse Glimmer的模型体积从全精度（BF16）的约55GB被压缩到了约17至18GB，完美适配24GB显存的消费级GPU。这个门槛意味着什么呢？根据Meta官方给出的硬件目标清单，Muse Glimmer可以在以下设备上流畅运行：一台配备M4或M5芯片、拥有32GB或以上统一内存的Mac Mini或MacBook（如16英寸MacBook Pro），一块英伟达RTX 5090显卡，或一块AMD Radeon AI PRO R9700显卡。所有的数据处理和运算都在你的眼皮底下完成，无需上传云端，无需担心隐私泄露，也无需为每一次调用支付哪怕一分钱的费用。你可以想象一下，当你的笔记本电脑本身就内置了一个如此强大的、永不掉线的、完全属于你自己的AI助手时，那些按月付费的云端AI订阅服务，其吸引力将会大打折扣。

资本市场对于Meta这一系列高调且激进的战略部署，给出了立竿见影但又带着一丝审慎的反馈。根据包括CNBC、网易/华尔街见闻转引在内的多家媒体报道，在2026年8月10日周一的美股盘前交易时段，Meta Platforms Inc.的股价一度上涨近3%（部分市场数据口径为上涨2.6%）。这说明市场至少在短期内对扎克伯格展现出的进攻姿态给予了肯定。然而，当我们把目光放得更长远一些，情况就变得复杂起来。截至2026年8月11日，根据MarketBeat、同花顺和腾讯自选股等多家行情数据源的口径，Meta年初至今（YTD）的股价跌幅约为9.87%，通俗地说就是"今年以来累计下跌约10%"。这个数字背后，隐藏着华尔街投资者们对扎克伯格AI豪赌的巨大焦虑。这种焦虑的核心，正是Meta那如同无底洞一般的资本开支计划。根据Meta在2026年4月29日发布的一季度财报（8-K文件）以及7月29日二季度财报后的最新指引，公司将2026年全年的资本支出预期从此前给出的1150亿至1350亿美元区间，上调到了1250亿至1450亿美元区间，随后在二季度后再度将下限从1250亿上调至1300亿美元、上限维持1450亿美元不变——这意味着2026年资本开支的中值已升至约1375亿美元。这个1450亿美元的上限值，几乎是Meta在2025年全年约722亿美元资本支出的整整两倍。这是一个什么概念呢？我们可以做一个横向对比：微软在2025财年的资本支出大约是840亿美元，谷歌母公司Alphabet在2025年的资本支出大约是750亿美元，Meta一家公司在2026年AI基础设施上的投入预期，几乎相当于微软和谷歌这两家科技巨头的投入总和。投资者们每天都在追问同一个问题：这笔天文数字般的真金白银，究竟什么时候才能转化为实实在在的营收和利润？扎克伯格显然非常清楚市场的疑虑，他在视频、推文和那篇长文中，不遗余力地向投资者传递信心。他反复强调，成立于2025年、由Alexandr Wang领衔的Meta Superintelligence Labs（Meta超级智能实验室，简称MSL）正在按计划取得关键性的技术突破，而他坚信，2026年这高达1450亿美元的资本支出，最终将为公司和股东带来丰厚的回报。然而，在AI的商业化路径至今仍充满巨大不确定性的现实面前，扎克伯格的承诺究竟有几分能够兑现，恐怕连他自己也无法给出百分之百的保证。值得注意的是，根据Meta 2026年二季度财报数据，公司当季总营收约608.01亿美元、同比增长约28%，但营业利润同比下降约8%至约187.8亿美元，净利润同比下降约14%至约158.48亿美元，均低于市场预期；更引人关注的是，二季度资本开支（含融资租赁）高达约310.8亿美元、同比增长约83%，而经营现金流约318.6亿美元几乎被资本开支全部消耗，导致当季自由现金流仅剩约7.84亿美元，较2025年同期的约85.5亿美元骤降约91%。这一组数据清晰地揭示了Meta当前面临的处境：核心的广告业务依然强壮（二季度广告收入延续高增长，Family of Apps日活跃用户约36亿），但新业务的"烧钱"速度没有任何放缓的迹象，投资者的担忧绝非杞人忧天。

为了让你更清楚地理解这场豪赌的规模，我们有必要把Meta超级智能实验室的来龙去脉和战略地位彻底讲透。这个实验室并非临时组建的草台班子，它是Meta在2025年对内部AI研究力量进行全面整合和升级后，倾注了全公司核心资源打造的战略级研发中枢。Meta不惜重金，以约143亿至144亿美元投资数据标注独角兽Scale AI为关键一步，将原Scale AI创始人、现年29岁的Alexandr Wang招致麾下，出任Meta首席AI官（Chief AI Officer），全面执掌MSL。Wang在2026年5月13日做客Core Memory播客时，首次完整披露了MSL的内部架构：整个单位由他负责，下设TBD实验室（大模型研究室，所有头部研究员和基础设施工程师技术上都直接向他汇报）、由Nat Friedman负责的PAR（产品与应用研究，管所有产品和模型落地）、继续做探索性研究的FAIR，以及由Daniel Gross负责的Meta算力部门（专门管长期算力基础设施规划）。MSL的首席科学家是Shengjia Zhao，统筹整个实验室的科研方向。Wang在播客中毫不避讳地表示，MSL成立之初面对的核心问题是"Llama不在前沿模型的轨道上"，团队要做的第一件事就是"从超级智能马上要来这个前提，把所有假设重建一遍"。正是在这个实验室的主导下，Meta在2026年4月8日发布了重组后的第一份重量级答卷——初代Muse Spark模型（Muse Spark 1.0），随后在7月9日发布1.1版本（强化计算机使用和agent任务），8月5日发布1.2版本（编码聚焦）并同步推出首个终端编码agent——Muse Code。扎克伯格在2026年5月的Meta年度股东大会上难掩兴奋，称这是他执掌Meta二十年来"在这个行业里经历过的最激动人心的时刻"，并把Meta定位为少数能塑造未来AI形态的企业之一。他系统阐述了Meta接下来的四大AI战略：第一是核心应用与广告业务的智能化增强，利用AI进一步提升Facebook、Instagram等平台上广告推送的精准度和转化率，这是Meta最根本的收入来源；第二是个人AI Agent，打造全天候数字分身覆盖聊天、查询、安排行程、处理工作等场景，他设想未来每个人都将拥有自己的人工智能代理；第三是企业AI Agent，截至2026年4月企业AI每周互动量较年初增长了十倍，目前对大多数企业免费，但长期将发展成可持续业务；第四是AI硬件，扎克伯格重点介绍了AI眼镜（Ray-Ban Meta、Oakley Meta Performance AI glasses等），他判断未来全球15亿至20亿的眼镜佩戴者将转向AI眼镜，眼镜有望继智能手机之后成为下一代互联网入口。Muse Spark 1.2权重的开放承诺和Muse Glimmer的发布，正是这四大战略从纸面走向现实的标志性落子。

那么，一个更深层次的问题随之而来：Meta为何要在开源这条看似"费力不讨好"的道路上走得如此决绝？CNBC的报道为我们提供了一个极其犀利的战略分析视角。放眼当今全球AI模型市场，泾渭分明地分成了两大流派。一派是以OpenAI和Anthropic为代表的美国闭源阵营，它们将自家模型视为核心商业机密和护城河，严格控制访问权限，所有用户都只能通过付费的API接口进行调用，无法窥视和修改模型内部的任何参数。另一派则是以中国科技公司为代表的开源阵营，阿里巴巴的通义千问Qwen系列、幻方量化的DeepSeek系列、月之暗面的Kimi（Moonshot）系列等，都在积极地发布各种规模的开源模型。这些来自中国的开源模型，在某些特定领域和基准测试中的表现，已经具备了与顶尖美国闭源模型一较高下的实力，甚至在某些方面实现了反超。Counterpoint Research这家知名市场研究机构的联合创始人尼尔·沙阿，在接受CNBC采访时一针见血地揭示了问题的核心："如果西方的科技巨头们只知道建造封闭的围墙花园，那么全球的开发者和企业用户，自然而然就会转向中国的开源权重模型。"沙阿进一步补充道："Meta在美国的大多数竞争对手，比如OpenAI和Anthropic，走的都是专有闭源路线。然而，市场上对于那些非中国背景的开源模型和权重，存在着一种近乎饥渴的、无法被满足的巨大需求。Meta凭借其强大的技术实力和品牌影响力，完全可以完美地填补这个巨大的市场真空。"这番分析可谓鞭辟入里。Meta选择开源，绝不是出于什么崇高的理想主义或利他精神，而是一次经过精密计算的、极具侵略性的商业防御和进攻策略。它的逻辑链条非常清晰：既然中国的开源模型正在以不可阻挡之势抢占全球开发者的心智和市场份额，那么与其被动防守，不如主动出击，由自己来充当那个"非中国"开源模型的领导者，用一款出身美国的顶级开源模型，去正面迎击和牵制来自中国的开源力量。这就像当年谷歌推出开源的Android操作系统，用以对抗苹果封闭的iOS系统一样，是一种通过开放生态来建立行业标准和用户粘性的经典打法。从时间节点上看，这一决策的紧迫性更加突出：就在2026年8月5日，Meta才刚刚以闭源权重、专有二进制文件和API贡献者层级（contributor tier，以客户提示和补全数据换取输入折扣）的形式发布了Muse Spark 1.2和Muse Code，当时的发布中根本没有提及开源；仅仅五天之后，Meta就发布了Muse Glimmer并承诺开放Muse Spark 1.2的权重——这种"先闭源、五天后转向开源"的急转弯，本身就折射出Meta在闭源前沿模型未能拉开与中美对手差距后，急于用开源生态抢回开发者心智的战略焦虑。

扎克伯格在2026年8月10日同步发表的那篇题为《未来属于每个人》（The Future Is for Everyone）的6500字、足足14页的AI宣言中，将他上述的战略思考进行了毫无保留的、极其直白的阐述。在这篇可以被视为Meta AI战略白皮书的文章中，扎克伯格毫不讳言地将Meta的开源举动，定性为对中国开源技术的一次正面回应和战略挑战。同时，他利用这篇文章的影响力，向华盛顿的政策制定者们发出了一封措辞恳切的"求救信"，敦促美国政府必须采取实际行动，来支持本国企业的开源AI努力。扎克伯格在文章中写道："外国的AI实验室目前在开源领域握有若干优势，原因很简单，美国的AI实验室在训练数据的获取和使用上，必须遵守远比外国同行多得多的额外法律和监管限制。如果我们真心希望美国的开源模型能够在长期的竞争中保持领先地位，那么美国的政策制定者就必须想办法减少这种不必要的'额外摩擦'。"他紧接着又强调了一个更重要的观点："我个人并不认为，通过行政手段限制人们对国外开源模型的访问，是一种有效的解决方案。我们的最终目标，应该是让美国的开源模型成为全球范围内公认的最好用的模型。要实现这个目标，我们就必须清除那些人为设置的、让美国开源模型难以公平参与竞争的障碍。"扎克伯格的这段表态，其潜台词再清晰不过了：他并不主张美国政府像制裁某些企业那样去粗暴地封禁中国的开源模型，因为他深知这种做法既不现实也无效——他原话是"保护'你可以从任何你能观察到的事物中进行学习'这一原则很重要"，并称"世界本来就是这样运转的，美国如果在这条路上自我设限，就无法保持领先"。他所倡导的策略是，通过游说政府修改国内法规，为美国公司松绑，让它们在数据获取和模型训练上拥有和中国公司同等的自由度，从而在公平的环境下赢得竞争。这是一种典型的"既然规则对自己不利，那就想办法改变规则"的精明商人思维。扎克伯格在文章中还特别点名了美国在AI训练数据方面遭遇的瓶颈：美国公司无法随心所欲地使用大量受版权法保护的公开数据集来进行模型训练，而中国的AI公司在数据使用方面面临的约束要少得多。他认为这种严重不对称的监管环境，正在从根本上削弱美国开源模型的长期竞争力。他甚至为颇具争议的"模型蒸馏"技术进行了公开辩护。蒸馏技术，简单说就是利用一个性能强大的"教师模型"的输出来训练一个更小巧、更高效的"学生模型"——而Muse Glimmer恰恰就是用Muse Spark（Meta的旗舰闭源模型）作为教师信号、通过logit蒸馏压缩而来的产物。美国一些立法者认为这种做法等同于窃取知识产权，特朗普政府甚至曾誓言要打击中国AI公司利用蒸馏从美国AI模型中提取技术特征的行为，Anthropic也在年初指控DeepSeek蒸馏了自家模型。但扎克伯格反驳道："有些人试图将蒸馏技术污名化为有害行为，但我认为，保护'你可以从任何你能观察到的事物中学习'这一基本原则至关重要。"他旗帜鲜明地反对业界某些人渲染AI末日危机的论调，认为"限制个人和企业使用领先的开源模型——无论这些模型来自哪个国家——最终只会降低他们所能获得的AI服务质量，并进一步加剧AI权力的集中化"。

扎克伯格在这篇长文中，还毫不留情地对当前AI行业日益严重的权力集中趋势发出了严厉警告。他的这番言论，虽然没有指名道姓，但明眼人都看得出来，他炮火对准的就是OpenAI的CEO萨姆·奥尔特曼和Anthropic的CEO达里奥·阿莫迪。扎克伯格写道："尽管如此，有一件事情让我感到非常惊讶：那就是许多正在开发AI的人，他们的言论中充满了悲观和末日论的色彩。我实在无法理解，那些坚信AI将会消灭大部分工作岗位、甚至让人类自身变得无足轻重的人，为什么还要如此急切地去建设他们所描绘的那个可怕未来？"他接着补充道："那种认为AI是如此危险，以至于保障安全的唯一途径就是将它的力量极端集中于少数几个实体手中的想法，在我看来，其本身就是有问题的，是极其危险的。"扎克伯格的这段发言，精准地戳中了OpenAI和Anthropic的软肋。奥尔特曼和阿莫迪都曾在不同场合公开警告过AI对就业市场的潜在毁灭性冲击，尽管奥尔特曼在最近的几次采访中已经悄悄软化了他的论调。扎克伯格的立场与他们形成了鲜明的对立：他坚信AI真正的危险，不在于它本身过于强大，而在于它的强大力量被少数几家公司所垄断。他在文章中提出了支撑其观点的三大哲学支柱：第一，个人赋能是未来社会繁荣的根本源泉；第二，AI的首要目的应当是帮助人类进行"发明创造"，而非简单地"自动化替代"现有工作；第三，权力制衡才是保障AI安全的基础，而非权力的集中。他甚至构想了一个名为"超级智能律师"的思想实验来佐证他的观点：如果这个世界上只有一个超级智能律师，那么只有雇得起他的人才能享受到正义，这将导致极大的不公；但如果每个人都拥有一个超级智能律师，那么整个司法系统将变得更加公平和高效。扎克伯格认为，AI带来的最大风险不是技术失控，而是权力过度集中所导致的社会不公。他直言："史上从未有过把绝对权力托付给一个仁慈霸主、从而造福全人类的成功先例。"因此，他开出的药方不是收紧控制，恰恰相反——是把AI的力量尽可能广泛地分散到每一个普通人手中。他明确提出了"发明优先于自动化"的理念，反对"AI主要用途就是取代人类工作"的悲观论调，认为AI应该用来发明创造，从而催生新职业（如"个人生物学家""世界构建师"），历史证明技术最终增加就业与繁荣，而非大规模失业。这些承诺意味着，Meta正重新回到其此前用来与竞争对手区分开的开放AI路线——今年早些时候，Meta曾以安全问题为由，没有开放Muse Spark的底层权重；如今，随着Muse Glimmer的发布和Muse Spark 1.2的开放承诺，Meta再度明确支持开源，并为这些发布感到自豪。

谈到Muse Glimmer这个专为笔记本电脑设计的模型系列，Counterpoint Research的联合创始人尼尔·沙阿再次给出了极高的评价。沙阿认为，Muse Glimmer是Meta在与谷歌、微软、OpenAI等竞争对手的较量中，所建立起的一个至关重要的差异化优势。正如我们前面提到的，当前绝大多数AI应用的处理都依赖于云端数据中心，这种集中式计算模式虽然算力强大，但其固有的缺陷也同样明显：网络延迟带来的卡顿感、用户数据上传云端导致的隐私泄露隐患、以及高昂的API调用和云计算资源成本，都成为了制约AI更广泛应用的门槛。而Muse Glimmer的出现，提供了一种全新的范式。它将一个小巧但功能强大的AI代理模型，直接部署到用户的个人电脑甚至手机等移动硬件上，所有的推理运算都在本地完成，完全绕过了云端的计算成本。沙阿的原话是："将像Muse Glimmer这样的小型智能体模型，直接带到个人电脑和移动硬件上，绕过了昂贵的云计算成本，这使得Meta能够在终端用户的设备上，直接超越谷歌、微软以及其他所有竞争对手。"沙阿的点评精准地概括了Meta在"端侧AI"这个新兴战场上的勃勃野心。Meta不仅仅满足于在云端和OpenAI竞争，它更想要在离用户最近的地方——也就是每个人的笔记本电脑和手机里——直接和谷歌的Gemini Nano、微软的Copilot Runtime展开贴身肉搏。谷歌有自己专为Pixel手机和Chromebook优化的Gemini Nano端侧模型，微软则在Windows系统中深度集成了Copilot Runtime。但Meta的杀手锏在于，它选择用Apache 2.0这个最宽松的开源协议来发布Muse Glimmer。这意味着，任何PC制造商，比如联想、惠普、戴尔、华硕，都可以毫无障碍地将Muse Glimmer预装到它们出厂的新电脑中——戴尔已确认参与Meta的端侧优化合作。一旦这种模式铺开，Muse Glimmer在装机量上将拥有巨大的后发优势。此外，Meta在技术上也做了充分的准备。根据Meta官方发布的技术细节，其自研的DFlash推测解码（speculative decoding）技术可以将模型的文本生成速度最高提升3.1倍——在英伟达RTX 5090上，生成速度从约74.9个token每秒提升至约233.4个token每秒；在Apple M5 Max上提升1.8倍（约26.6提升至50.2 token/秒），在M4 Max上提升1.5倍。这样的性能表现，已经足以支撑起一个真正流畅、可用的本地智能体应用。Meta目前正在与AMD、Arm、英特尔、英伟达等几乎所有主流的硬件厂商展开深度合作，以优化Muse Glimmer在不同设备上的兼容性和性能表现。目前，Muse Glimmer的BF16原始权重、GGUF量化版本、面向移动和嵌入式目标的ExecuTorch版本，以及用于提升吞吐量的DFlash drafter，均已在Hugging Face上线；对llama.cpp、MLX、Ollama、LM Studio、vLLM、SGLang等主流本地推理框架的集成也已在路上。这种"权重开放+多框架分发+多硬件适配"的组合拳，正是Meta试图在端侧AI时代复制Android式生态统治力的具体打法。

从更宏观的视角来看，Meta在2026年8月10日的一系列动作，清晰地折射出一个正在以前所未有的速度加速演变的全球AI竞争新格局。在闭源模型的战场上，OpenAI的GPT-5.6、Anthropic的Claude Opus 5、谷歌的Gemini 3.6正在上演一场惨烈的"三国杀"，每一家都在燃烧着数十亿美元的资金，只为在各项基准测试的排行榜上压过对手一头，争夺着利润最丰厚的企业级API市场。而在开源模型的广阔战场上，硝烟同样弥漫，甚至更为激烈。阿里巴巴的通义千问Qwen系列（如Qwen3.6-27B、Qwen3.8-Max）、幻方量化的DeepSeek系列（如DeepSeek V4 Flash、V4 Pro）、月之暗面的Moonshot Kimi系列（如Kimi K3），再加上Meta这次祭出的Muse Glimmer（约300亿参数稠密模型）和承诺开放的Muse Spark 1.2，全球的AI开发者和中小企业，正面临着一个前所未有的、琳琅满目的选择超市。对于他们而言，这无疑是一个黄金时代。他们终于可以摆脱对少数几家闭源巨头的API依赖，直接下载一个性能足够强大、授权足够友好的开源模型，部署在自己完全可控的服务器或本地设备上，彻底掌握自己的数据主权和运营成本。而对于Meta来说，这无疑是一场惊天豪赌。扎克伯格赌的是，开源生态的极度繁荣，最终会以一种间接但强大的方式反哺Meta自身的商业利益。他赌的是，当全世界数以百万计的开发者都习惯了使用Meta出品、以Apache 2.0协议授权的开源模型时，Meta就可以通过提供增值的云服务、企业级技术支持、以及与旗下拥有超过35.6亿日活跃用户的社交帝国（Facebook、Instagram、WhatsApp）进行深度整合的广告和推荐系统，来构建一个从模型到应用再到商业化的完整闭环，就像谷歌当年通过开源的Android系统，成功统治了整个移动互联网生态一样。从基准对比的角度看，Muse Glimmer在自身尺寸级别（约300亿参数稠密模型）展现出了强劲的agent竞争力：在MCP Atlas工具调用基准上取得75.5分，明显高于Gemma4-31B的54.2分和Qwen3.6-27B的62.5分；在SWE-Bench Pro上取得51.2分。但在知识工作类任务上，它仍落后于Qwen3.6-27B（如GDPVal-AA约953对1141），且幻觉率约为28%（AA-Omniscience评分约22，弃权率较高）。这说明Muse Glimmer是一个"在它被设计用来做的事情上极其出色"的模型——agent工具调用和编码是其强项，而通用知识工作和屏幕直接操作（OSWorld 65.9对Qwen的75.6）仍是相对弱项。这种"扬长避短"的定位，恰恰印证了Meta"用开源抢占端侧agent入口"而非"全面对标闭源前沿"的战略取舍。

那么，回到那个最核心的问题：扎克伯格的这场开源豪赌，最终能赢吗？从截至2026年8月11日的市场情绪来看，投资者们普遍选择了"用脚投票"——股价年初至今约9.87%的跌幅，无情地说明了华尔街并未被扎克伯格的宏大叙事和美好愿景完全说服。但有一点是可以确定的：Meta选择了一条与OpenAI和Anthropic截然不同的、充满风险但也蕴含着无限可能的道路。如果Meta的开源模型，特别是Muse Spark 1.2，真的能够在性能上持续逼近甚至在某些领域追平顶级的闭源模型，同时又完美继承了开源模式的自由度、灵活性和成本优势，那么它极有可能复刻当年Android的成功轨迹，通过开放的生态联盟，最终战胜封闭的iOS系统，成为AI时代的"安卓"。但如果Meta的开源模型在性能上始终无法跨越与闭源模型之间的那道鸿沟，或者如果美国国会在未来两年内出台了严重不利于开源模型发展的法律法规，那么这高达1450亿美元的资本支出，就很可能变成一笔历史上最为昂贵的"学费"。此外，Meta还必须时刻提防来自中国开源阵营的持续猛攻。根据最新的第三方评测数据，DeepSeek在2026年7月发布的V4模型，其API定价仅为每百万输入token 0.14美元、每百万输出token 0.28美元（V4 Pro为0.435/0.87美元）；阿里巴巴的Qwen3.8-Max也在推行同样激进的低价策略。在这种残酷的价格战和开放度竞争面前，一个闭源且价格高昂的美国模型，如果没有开放权重的选项，其在西方API市场上的竞争力将会变得越来越弱——这正是扎克伯格在长文中大声疾呼、要求华盛顿改变政策的核心动因。为了缓解AI数据中心对地方社区和基础设施造成的巨大压力，Meta甚至在2026年配套设立了一个高达10亿美元的"未来属于每个人基金"（Future Is For Everyone Fund），专门用于支持美国境内数据中心周边社区的民生发展，资金将投向教师培训、急救人员装备、清洁能源和水资源基础设施建设等领域。这一手棋既是高明的公关策略，也是在为后续更大规模的数据中心扩张扫清地方层面的阻力——就在2026年7月，Meta宣布与贝莱德合作在得州埃尔帕索建设一座价值约140亿美元的数据中心，8月又传出在加拿大阿尔伯塔省建设其境内首个数据中心的计划。扎克伯格还在这篇长文中提出了一个具体的、旨在加强政府监管而非放松监管的建议：前沿AI实验室不应该等到新模型完全训练完成后再去接受审查，而应该在训练过程中，就定期与政府共享"中间训练检查点"，让监管者能够在模型训练完成之前就介入审查。他认为，这种做法可以让政府尽早接触到最强大的模型，让经验丰富的工程师共同识别和解决安全问题，同时也能为加速建设AI所需的新型能源和数据中心基础设施扫清政策障碍。

对于此时此刻正在阅读这篇文章的你——无论你是那个正在为下一个AI应用的基座模型而辗转反侧的技术决策者，是在开源与闭源之间反复摇摆、试图寻找最优解的创业者，是紧盯Meta股价波动、试图从中捕捉交易信号的投资者，还是仅仅对这场决定人类未来的技术变革充满好奇的普通观察者——今天，也就是2026年8月11日，都是一个值得在你备忘录里做个标记的日子。因为就在今天，我们得以窥见未来数年全球AI竞争格局中一块至关重要的拼图。Meta已经毫无保留地亮出了自己的全部底牌：承诺开放其最新基础模型Muse Spark 1.2的全部权重（该模型在Intelligence Index上较1.1提升约3分、在Terminal-Bench 2.1上达82.9%），已发布专为笔记本电脑设计的、拥有约296亿参数（含约18亿视觉编码器）、采用Apache 2.0许可、4-bit量化后约17至18GB、上下文131072 token的Muse Glimmer，扎克伯格亲自撰写6500字14页长文《未来属于每个人》向美国政府施压要求改革AI政策、为蒸馏技术辩护并批评中国开源模型面临更少监管的现状，同时火力全开地抨击了OpenAI和Anthropic的权力集中路线。我强烈建议你将今天梳理的这些信息和逻辑脉络收藏起来。等到2026年底，当Muse Glimmer完成迭代、Muse Spark 1.2的权重被全球开发者充分挖掘、Meta超级智能实验室交出第一份完整的成绩单时，你再回过头来对照今天的分析，看看扎克伯格的开源豪赌究竟是天才之举还是疯狂冒进。对于那些正在进行AI项目技术选型的团队来说，此刻的决策环境确实非常微妙。如果你的应用场景对模型性能有着极致的要求，并且你拥有充足的预算来支付API调用费，那么选择顶级的闭源模型依然是目前最稳妥、见效最快的路径。但如果你所在的领域对数据隐私、长期运营成本和模型的定制灵活性有着极高的要求，那么Meta的Muse Glimmer和即将大规模铺开的Muse Spark 1.2开放权重版本，绝对值得你投入时间和资源进行深度评估。特别是当你需要在笔记本电脑、边缘服务器甚至物联网设备上运行AI推理的场景下，Muse Glimmer所提供的端侧部署能力，以及一台配备RTX 5090的PC就能达到每秒约233.4个token的惊人本地生成速度（较基线提升3.1倍），是任何云端API都无法比拟的独特价值。在开源与闭源、集中与分散、美国与中国这几组强大力量的持续拉扯和博弈中，Meta选择了一条看似最为崎岖、最为艰难，但也最具想象力和颠覆性的道路。这条道路的最终终点，将由全球数百万开发者的社区选择、华盛顿特区错综复杂的政策博弈走向，以及Meta自身的技术团队能否持续拿出世界级的创新成果这三个变量共同决定。扎克伯格用一篇6500字的长文、一段Instagram视频和一条@finkd推文，向全世界宣告了他的雄心：Meta要将AI的力量从少数几家公司的保险柜中解放出来，交到地球上每一个普通人的手中，让每个人都拥有一个真正了解自己、懂得自己目标的个人AI代理。这个承诺听起来无比美妙，但那个高达1450亿美元的资本支出账单，能否换来与之相匹配的辉煌未来？2026年剩下的这最后几个月，以及接下来的2027年，将会给出一个最真实、最残酷、也最激动人心的答案。那个扎克伯格笔下描绘的、像WhatsApp端到端加密一样连Meta自己都无法窥探的、完全属于你自己的"异常能干的个人代理"，究竟是即将到来的现实，还是一个遥不可及的泡影？这个问题的答案，不仅关系到Meta这一家公司的股价涨跌，更深刻地关系到在即将到来的人工智能时代，人类社会的权利分配格局将被如何重塑。