Meta 发布 Muse Glimmer 开源模型，扎克伯格抨击闭源路线

8 月 10 日，Meta 超级智能实验室正式发布 Muse Glimmer，并依据宽松的 Apache 2.0 许可证开放模型权重。Meta 首席执行官马克·扎克伯格表示，不久后还将开放 Muse Spark 1.2 的权重，这是 Meta 最新的基础模型。此举标志着 Meta 正式回归「开放」AI 战略。扎克伯格同时发表了一篇万字长文，主张不应让强大的人工智能集中在企业和政府手中。

首款本地智能体模型

Muse Glimmer 拥有 300 亿参数，专为持续运行的本地智能体工作流优化，可在配备单张消费级 GPU 的 Mac 或 PC 上运行。Meta 介绍其核心能力包括：

• 长流程执行与多步骤推理
• 精确工具调用与失败诊断重试
• 多模态理解，可同时处理文字与图像
• 长上下文记忆与指令遵循
• 支持 100 多种语言

在应用场景上，模型面向本地个人智能体、函数调用、代码开发以及「以大模型评估大模型」等任务。其兼容 OpenClaw 等智能体编排方式，并支持调整推理强度。

训练方法与本地适配

训练流程分为三阶段：预训练阶段利用 Muse Spark 的输出进行 logit 蒸馏，采用与教师模型相近的数据组合；中期训练加入更长上下文、更高比例的智能体任务数据以及更丰富的推理轨迹；后训练阶段结合监督微调、在线策略蒸馏和强化学习，覆盖通用、推理、编程和智能体任务。

为适配本地设备，Meta 通过约 4 bit 量化将原本需要超过 55GB 内存的语言模型压缩至 20GB 以内，使 KV 缓存、图像感知编码器和推测解码模块可共同运行在 24GB 或 32GB 内存环境中。

性能与基准对比

Meta 将 Muse Glimmer 与 Gemma4-31B 和 Qwen3.6-27B 进行了多种基准测试对比。但有网友指出，Qwen 3.6 已不是最新一代模型，Muse Glimmer 仍需与后续 27B 级模型直接对比才能判断真实竞争力。

为提升生成速度，Meta 为 Muse Glimmer 配备了基于 DFlash 的轻量级草稿模型：草稿模型一次提出一组候选 token，再由主模型并行验证、接受正确内容并修正错误内容，从而减少逐 token 生成的等待时间。测试结果显示，配合 K-Quant-17GB 量化模型运行时，DFlash 可使 Muse Glimmer 的解码速度在 RTX 5090 上提升约 3.1 倍，在 M5 Max 和 M4 Max 上分别提升约 1.8 倍和 1.5 倍，所有计算均在本地设备完成。

网友实测反馈显示，有用户在配备 32GB 内存的旧款 Mac mini 上通过 Ollama 运行 Muse Glimmer，初步效果不错但完成速度较慢。部分开发者对其编程能力持保留态度，认为其真正优势可能在智能体工作流与工具调用，而非直接挑战最强云端编程模型。也有观点指出，24GB 以上显存或统一内存对普通用户仍是一道门槛，本地部署的价值更多体现在隐私、离线使用和可定制性。

重申开源立场，抨击闭源对手

发布模型的同时，扎克伯格在 Meta 网站发表长文写道：「大多数其他实验室都专注于为企业、政府或其他机构构建 AI。如果这些实验室取得领先，权力平衡就会向大型机构倾斜，而不是个人。」这番言论被普遍认为针对谷歌、Anthropic 和 OpenAI 等公司。

扎克伯格批评竞争对手采取「封闭」路线，认为这些实验室通过销售模型访问权限获得了数十亿美元收入。他反对「限制个人能够获得的能力」作为风险管控手段，认为「广泛部署的开源系统已被证明更加安全，因为有更多人可以发现其中的漏洞」，并以 Hugging Face 为例佐证这一观点。

针对行业关注的「蒸馏」争议，扎克伯格明确表态支持。他认为，维护「人们可以从自己观察到的任何事物中学习」这一原则非常重要，并否定了蒸馏「有害」的观点。此前，OpenAI 和 Anthropic 曾指责部分竞争对手利用其模型输出训练自有模型。

安全治理、能源与政策主张

在模型安全治理上，扎克伯格宣布将模型安全审查权交由公司独立董事会负责，强调即使创始人控股，也不再由 CEO 单独决定高危 AI 上线，并呼吁其他前沿实验室建立类似机制。

在政策层面，扎克伯格支持继续通过芯片出口管制减缓竞争对手的发展，同时不赞成禁止个人和企业使用外国开放模型，以避免降低可用 AI 质量并加剧集中化。针对 AI 取代工作的担忧，他认为自动化速度不一定快于 AI 提升个人能力、创造新需求与新职业的速度，并预想了单人产品工作室、「个人生物学家」等新角色。

同日，Meta 还宣布设立一只规模为 10 亿美元的基金，用于支持其美国数据中心所在地社区。值得注意的是，Meta 上月披露 AI 基础设施支出导致其自由现金流下降 91%，过去一年股价累计下跌近 20%，反映其重金投入 AI 前沿与开源战略所承受的财务压力。