4月8日，Meta发布了Muse Spark。
这是Meta有史以来第一个完全闭源的自研旗舰AI模型，也是那个斥资140亿美元引入Alexandr Wang、成立超级智能实验室（Meta Superintelligence Labs）之后的第一个重量级成果。
不再是Llama了
Llama打了Meta好几年的旗帜——开源、可本地部署、研究友好。
Muse Spark走了另一条路。它只能在 meta.ai 和 Meta AI app 里用，私有API还在少数用户内测。我们希望未来能开源某个版本——这句话说出来，开源社区应该能听出那个微妙的语气。
从Llama到Muse Spark，不是偶然转向。Meta在2025年底已经透露了代号Avocado和Mango的两个专有模型。现在Muse Spark是它们之前的首发，方向很清楚：Meta要在闭源赛道上跟OpenAI和谷歌正面刚了。
最值得关注的技术：思维压缩
Muse Spark有一个叫Contemplating模式的东西，大概相当于OpenAI的Thinking模式——让模型深度思考后再回答。
但有意思的地方在它内部的训练机制。
Meta工程师在强化学习阶段对模型的思考时间设置了惩罚——你想多了会被扣分。一开始，模型的反应是更快得出答案（质量下降）。但训练继续下去，有个转折点出现了：模型开始自己学会压缩思维——用更少的token，但保持同等的准确率。
Meta把这个叫做thought compression（思维压缩）。
效果呢？他们说，Muse Spark达到同等能力所需的计算量，比上一代旗舰 Llama 4 Maverick 少了一个数量级以上。
这不是小优化，是量级差异。
跑分怎么样
Contemplating模式下：
- Humanity’s Last Exam：58%（这个榜很难，58%是很有竞争力的数字）
- FrontierScience Research：38%
对比同期竞品：能和Gemini Deep Think、GPT Pro掰手腕，至少在这几个基准测试上是这样。
现实意义
Muse Spark会先推进Facebook、Instagram、WhatsApp、Messenger里的Meta AI功能，以及Ray-Ban眼镜。Meta的用户基数是数十亿量级，这个模型上线就是真实世界的大规模测试。
当然，只在美国可用——这个限制意味着国内用户暂时接触不到，但测试数据会很快出来。
Meta这次基本上在说：我们有足够好的模型，可以不靠开源策略来拉开发者生态了。
参考来源：Goodbye, Llama? Meta launches new proprietary AI model Muse Spark（VentureBeat）；Meta debuts new AI model, attempting to catch Google, OpenAI（CNBC）；Introducing Muse Spark: Scaling Towards Personal Superintelligence（Meta AI Blog）