2026 年 4 月 8 日，Meta 的官方博客悄悄上线了一篇新文章。没有往日开源发布会那种锣鼓喧天的阵仗，Muse Spark 就这样被推到了台前。
那个曾经把「开源」两个字刻在脑门上的扎克伯格，这次不仅没提「Open」，反而把模型权重锁进了保险箱，只留下一句「希望未来能开源」的客套话。
这不仅仅是一次产品发布，更像是一次无声的认输：信仰填不平算力账单，闭源才是追赶者的救命稻草。
开源人设的崩塌
如果你还记得 2024 年，那时候的扎克伯格简直像是 AI 界的马丁·路德。
他在那篇《开源 AI 是前进之路》的宣言里信誓旦旦地写：开源是全人类利用这一技术创造最大经济机会与安全保障的最佳途径。
那时候的 Meta，手握 Llama 系列，像是举着火炬的普罗米修斯，要把火种撒向每一个开发者的硬盘。
Llama 2 和 Llama 3 的确风光过一阵，让 Meta 在开源社区赚足了口碑，甚至让人觉得它真的有机会定义 AI 的未来。
但 Llama 4 的失利显然让他破防了。那个代号为「Behemoth」的 2 万亿参数模型最终难产，Llama 4 的表现也没能压住 GPT-4o 和 Gemini 的势头。
Meta 内部显然意识到，靠开源社区的那套「发布即遗忘」的打法，已经追不上 OpenAI 和 Google 每个月一次的迭代速度。于是，Muse Spark 成了那个转折点。
它不再开源，甚至只通过私有 API 授权，这种封闭程度，和扎克伯格两年前痛斥的「封闭 Unix」别无二致。
说好的开源是全人类的未来呢？
这不是简单的战略调整，这是人设的崩塌。扎克伯格终于承认，在 AI 这场军备竞赛里，开源只是一种竞争手段，而不是一种信仰。当手段失效，信仰就得给生存让路。
Meta Superintelligence Labs（MSL）的成立，与其说是为了探索超级智能，不如说是为了用闭源的高墙，把那点好不容易追回来的性能优势圈起来。
这种转身虽然务实，但也透着一股狼狈——那个曾经高喊「开放」的旗手，如今也成了守着自家一亩三分地的守财奴。
Muse Spark：追赶者的「及格线」
Muse Spark 真的不行吗？倒也不是。如果你只看 Meta 自己的通稿，它简直是无所不能。但把视线拉宽一点，你会发现它只是再次证明了 Meta 终于学会了如何「不掉队」，而不是如何「领跑」。
数据里的「差一口气」
在 Intelligence Index 这个关键指标上，Muse Spark 拿了 52 分。听起来是个不错的成绩？
可惜 GPT-5.4 是 57 分，Gemini 3.1 Pro 也是 57 分，就连 Anthropic 的 Claude Opus 4.6 也拿到了 53 分。
Meta 就像那个永远考全班第三的富二代，明明家里给他请了最好的私教，买了最贵的习题集，他也真的很努力在刷题，但每次出分，就是差那么几分。
这几分看着不多，但在顶尖高手的对决里，就是「一流」和「二流」的分水岭。
又是第三，又是第三...
这几分的差距意味着什么？意味着在复杂的逻辑推理、长文本编码这些硬核任务上，Muse Spark 可能会多犯几个错，多写几个 bug。
对于普通用户来说，这点差距可能只是「这个聊天机器人稍微笨一点」；但对于开发者来说，这就是「能用」和「好用」的区别。
Meta 极力宣传 Muse Spark 在健康推理上的表现，HealthBench Hard 拿了 42.8 分，这确实是个亮点，但这更像是一种「我也有特长」的自我安慰，掩盖不了在通用推理上的短板。
偏科的优等生
Meta 这次很聪明，没有硬刚通用推理，而是把 Muse Spark 包装成了一个「原生多模态」的实用主义者。它强调视觉思维链，强调能看懂超市货架上的零食并帮你算卡路里。
这很 Meta，毕竟它手里握着 Instagram 和 Facebook 海量的图片数据。这种「偏科」策略在商业上是成立的：既然做不了最聪明的大脑，那就做最懂生活的助理。
Muse Spark 的「沉思模式」也是这个逻辑，试图用多智能体协作来弥补单模型推理能力的不足。
但这恰恰暴露了 Meta 的尴尬。OpenAI 定义了 ChatGPT，Google 定义了 Transformer，它们在定义游戏规则。而 Meta 在做什么？
它在拼命适配别人定义的规则。当 GPT-5.4 已经在探索科学发现的前沿时，Muse Spark 还在努力证明自己能帮用户挑一件合适的衬衫。这不是技术路线的差异，这是野心的差异。
Meta 的目标似乎已经从「改变世界」降级到了「不被世界抛弃」。
143 亿美金的焦虑
Meta 不缺钱，2026 年光 AI 资本开支就预算了 1350 亿美金。但钱能买来算力，买来人才，却唯独买不来「第一」。
买来的「救世主」
143 亿美金砸向 Scale AI，把 Alexandr Wang 请来当救世主，这大概是 Meta 近年来最昂贵的一次「冲动消费」。
Wang 是数据标注领域的天才，Scale AI 也是最顶尖的数据公司。这笔交易在当时被解读为 Meta 补齐数据短板的神来之笔。但换个角度看，这更像是一种焦虑下的应激反应。
当自家的 Llama 4 迟迟无法突破，扎克伯格选择用钱砸开一条路。Wang 能提供最高质量的训练数据，但他能给 Meta 带来定义未来的那种直觉吗？
这钱花得，心都在滴血
这种「买买买」的逻辑，在 Meta 的 AI 战略里随处可见。重组 AI 团队、挖角竞争对手研究员、囤积几十万张 H100 显卡。
Meta 像是一个装备精良的登山队，夏尔巴向导请了最好的，氧气瓶带足了，连登山服都是定制的。但问题是，他们总是跟在别人屁股后面吃土。
OpenAI 找到了新路，Google 也在前面开路，Meta 只能看着别人的背影，拼命追赶。
追赶者的宿命
为什么 Meta 总是「差一口气」？或许是因为它始终在用「追赶」代替「创造」。它的每一次发布，都是为了回应竞争对手的动作。
OpenAI 有了 GPT-4，Meta 就要搞 Llama 3；Google 有了 Gemini，Meta 就要推 Muse Spark。
这种被动应战的姿态，注定了它永远只能做那个「全班第三」。它有资源，有用户，有数据，但唯独缺少那种「我要去一个别人没去过的地方」的勇气。
扎克伯格把 Meta 的未来押注在 AI 上，但他似乎还没想清楚，Meta 的 AI 到底要带人类去哪里。
AI 版扎克伯格：技术解决不了的焦虑
最讽刺的是，就在 Muse Spark 发布的同一周，有消息爆出 Meta 正在开发「AI 版扎克伯格」来跟员工互动。因为分身乏术，所以造个 AI 替身？
这听起来像是科幻片里的情节，发生在 Meta 身上却透着一股荒诞。
CEO 的数字分身
这个 AI 分身不仅拥有照片级的拟真度，还被喂进了扎克伯格所有的公开演讲、会议记录甚至说话语调。扎克伯格亲自参与训练，试图让这个数字人能像他一样思考、一样决策。
这听起来很酷，但仔细一想，这不就是高级版的「自动回复」吗？一个 CEO 忙到需要用 AI 来代替自己和员工沟通，这到底是个人的时间管理奇迹，还是组织管理的灾难？
员工的隐忧
一边是 CEO 沉迷于训练自己的 AI 分身，一边是员工担心 AI 测验是裁员的前兆。
Meta 要求产品经理参加 AI 测验，甚至搞什么「氛围编程」练习，这让整个公司弥漫着一种不安。
这种技术驱动的管理实验，暴露的是 Meta 内部的深层焦虑：人不够用了，就用 AI 顶上；管理不过来了，就用 AI 代劳。但技术真的能解决管理真空吗？
当员工开始向一个 AI 版的 CEO 汇报工作，这家公司的温度还在吗？
老板太忙，派个 AI 来听汇报
这不仅仅是 Meta 的问题，也是所有科技巨头在 AI 时代的通病。当技术成为唯一的解药，管理者往往会忘记，组织的本质是人。
扎克伯格试图用 AI 来延伸自己的意志，但这更像是一种逃避。他逃避的是那个需要面对面沟通、需要处理复杂人际关系的真实管理现场。
而那个永远考第三名的 Muse Spark，或许正是这种「技术至上主义」的必然产物——它足够聪明，却始终缺了一点人味。
写在最后：富二代的登山队
Meta 的 AI 之路，就像一支装备精良却缺乏向导的登山队。扎克伯格有花不完的预算，有最顶尖的人才，甚至有全世界最大的用户群，却始终缺少那种「定义未来」的直觉。
Muse Spark 是个好产品，它甚至可能在某些垂直领域做得比 GPT-5.4 更好。但它只是让 Meta 终于站在了第一梯队的尾巴上，而不是站在山顶。
只要扎克伯格还在用「追赶」代替「创造」，Meta 就永远只能是那个「差一口气」的老三。那个闭源的保险箱锁住的，不仅仅是模型权重，还有 Meta 曾经引以为傲的开源精神。
而那个正在训练中的 AI 版扎克伯格，或许正是这种焦虑最形象的注脚：一个真实的 CEO 缺席了，取而代之的是一个完美的、永远听话的、却毫无灵魂的数字替身。
这不仅仅是 Meta 的尴尬，也是所有追赶者的宿命。你可以买来一切，唯独买不来那个「第一」的灵魂。
