Meta憋了9个月的大招，一上线就把自家Llama按在地上摩擦

沉寂将近一年，Meta终于端出一道让行业侧目的大菜。

4月8日，Muse Spark正式发布。Meta给它定的调子很高——"从零开始的全面改造"。这是扎克伯格新成立的超级智能实验室（MSL）的首个作品，也是他为重夺AI牌桌席位打出的最重一张牌。

某种程度上，Muse Spark的诞生是Meta对自己过往AI战略的一次"公开处刑"。

过去两年，Meta在AI赛道的位置相当微妙：Llama系列靠开源攒了不少开发者好感，但论产品完成度和模型性能，被ChatGPT、Claude甩开的距离肉眼可见。扎克伯格曾公开承认对进度不满，然后做了一件狠事——把整套AI技术栈拆了重建。

训练基础设施、推理架构、数据策略，过去9个月全部翻新。Meta的说法是"扩展阶梯的第一步"，翻译成人话：这才刚开始，后面还有得放。

为了这场重建，Meta砸了143亿美元拿下Scale AI的49%股权，把创始人Alexandr Wang挖来当首席AI官。同时从OpenAI、Anthropic、Google批量挖角，用业内罕见的薪酬重新组队。信号很明确：这次不玩虚的。

第三方评测机构Artificial Analysis的数据给了些底气。Muse Spark综合智力指数52分，全球前五，排在Gemini 3.1 Pro Preview、GPT-5.4和Claude Opus 4.6之后，但把自家Llama 4 Maverick的18分远远甩在身后。

更值得关注的是"性价比"。达到顶尖性能的同时，Muse Spark只烧了约5800万输出Token，跟Gemini相当，远低于Claude的1.57亿和GPT-5.4的1.2亿。省着用还能打，这是架构层面的真功夫。

Meta自己也留了后路，坦承在"长视野代理系统和编码工作流"上还有差距——换句话说，写代码和干复杂活儿的能力，下次更新再说。

产品层面，Muse Spark上线时同步推了两种模式。其中"多智能体并行"的架构有点意思：规划旅行时，它能同时开工几个子任务——行程规划、目的地对比、活动筛选——最后拼成一份完整方案。比起传统单链式推理，效率和精度都上了个台阶。

作为原生多模态模型，它支持文本、图像混着来，跨模态理解是基本功。Meta挑了两个垂直场景重点打磨：

健康领域，拉了1000多名医生参与优化训练数据，处理医疗建议时更懂分寸。信号很明显：Meta想让它当"个人健康助手"，不是只会搜资料的聊天框。

视觉STEM方向，拍张家电照片能排查故障，描述几句能生成交互小游戏，技术图纸也能实时看懂。

另外，它能读你在Instagram、Facebook、Threads上发的东西，做个性化推荐；在Meta AI眼镜上，环境感知能力也更强——这是扎克伯格"具身AI"版图的关键一块。

但最微妙的信号藏在发布策略里。

Meta曾是开源AI的旗手，Llama开放权重下载，养活了全球数以万计的开发者。这次Muse Spark却选了闭源：只在meta.ai和自家应用里用，API只给部分合作伙伴开小灶，普通开发者摸不着。

扎克伯格说以后还会发"更先进的开源模型"，但Muse Spark本身先捂着。两种解读都成立：要么意识到前沿竞赛里"开放"等于提前亮底牌，要么需要闭源API变现、给每年几百亿美元的投入找条活路。无论哪种，Meta都在从开源布道者向商业玩家转型。

发布声明里，扎克伯格用了个新词："个人超级智能"。这是Meta版AGI叙事，暗示野心不止于聊天工具，而是要造能替人干活的AI代理。按这个路线，未来Meta的AI会钻进你数字生活的每个角落——Instagram推荐、WhatsApp日程、AR眼镜的实时辅助。35.8亿日活用户，这是OpenAI和Anthropic抄不走的底牌。

代价也明显。用Muse Spark得绑Facebook或Instagram账号，Meta惯例是用公开用户数据训练模型。AI越深地扎进个人社交数据，隐私边界怎么划，监管和公众会长期盯着。

Muse Spark的意义不止于一串性能数字。它意味着Meta终于重新坐上前沿AI的牌桌。过去一年，OpenAI、Anthropic、谷歌各自巩固地盘，Meta顶着"追赶者"甚至"局外人"的标签。52分、视觉理解全球第二、Token效率领先——这些数字证明，9个月重建后，Meta有了正面交锋的底气。

更关键的是，它的护城河别人没有：日活规模、跨平台数据网络、AR硬件生态，加上消费级AI产品的多年沉淀。模型能力与平台生态真正融合那天，Meta在应用层的爆发力可能远超市场预期。

一位参与早期测试的开发者反馈，Muse Spark在处理多步骤任务时的"断点感"明显少于前代，"终于像个能用的产品，而不是技术demo"。这个细节或许比任何评分都更能说明问题——Meta这次，是认真想让人用起来的。