4月8日，Meta 發布了 Muse Spark。
這是 Meta 有史以來第一個完全閉源的自研旗艦 AI 模型，也是斥資140億美元引入 Alexandr Wang、成立超級智能實驗室（Meta Superintelligence Labs）之後的第一個重量級成果。
不再是 Llama 了
Llama 打了 Meta 好幾年的旗幟——開源、可本地部署、研究友好。
Muse Spark 走了另一條路。它只能在 meta.ai 和 Meta AI app 裡使用，私有 API 還在少數用戶內測。「我們希望未來能開源某個版本」——這句話說出來，開源社群應該能聽出那個微妙的語氣。
從 Llama 到 Muse Spark，不是偶然轉向。Meta 在2025年底已經透露了代號 Avocado 和 Mango 的兩個專有模型。現在 Muse Spark 是它們之前的首發，方向很清楚：Meta 要在閉源賽道上跟 OpenAI 和 Google 正面對決了。
最值得關注的技術：思維壓縮
Muse Spark 有一個叫 Contemplating 模式的東西，大概相當於 OpenAI 的 Thinking 模式——讓模型深度思考後再回答。
但有意思的地方在它內部的訓練機制。
Meta 工程師在強化學習階段對模型的思考時間設置了懲罰——想太多會被扣分。一開始，模型的反應是更快得出答案（品質下降）。但訓練繼續下去，有個轉折點出現了：模型開始自己學會壓縮思維——用更少的 token，但保持同等的準確率。
Meta 把這個叫做 thought compression（思維壓縮）。
效果呢？他們說，Muse Spark 達到同等能力所需的計算量，比上一代旗艦 Llama 4 Maverick 少了一個數量級以上。
這不是小優化，是量級差異。
跑分怎麼樣
Contemplating 模式下：
- Humanity's Last Exam：58%（這個榜很難，58%是很有競爭力的數字）
- FrontierScience Research：38%
對比同期競品：能和 Gemini Deep Think、GPT Pro 抗衡，至少在這些基準測試上是這樣。
現實意義
Muse Spark 會先推進 Facebook、Instagram、WhatsApp、Messenger 裡的 Meta AI 功能，以及 Ray-Ban 眼鏡。Meta 的用戶基數是數十億量級，這個模型上線就是真實世界的大規模測試。
當然，只在美國可用——這個限制意味著國內用戶暫時接觸不到，但測試數據會很快出來。
Meta 這次基本上在說：我們有足夠好的模型，可以不靠開源策略來拉開發者生態了。
參考來源：Goodbye, Llama? Meta launches new proprietary AI model Muse Spark（VentureBeat）；Meta debuts new AI model, attempting to catch Google、CocoLoop、OpenAI（CNBC）；Introducing Muse Spark: Scaling Towards Personal Superintelligence（Meta AI Blog）