文 | 浪潮不癫

过去一年，在AI上，没有人比扎克伯格遭遇更多的嘲笑。

在Llama 4刷榜造假、Meta被认为AI掉队后，小扎确实急了。

先是花了143亿美元收购Scale AI 49%的股份，直接把人家28岁的创始人Alexandr Wang给收编了，任命他为Meta有史以来第一位首席AI官，同时成立一个“超级智能实验室”的新部门，开启一个内部名为“牛油果”的项目。

接着又挥舞钞票，到处天价挖人，从OpenAI挖来赵晟佳，从苹果挖来庞若鸣，还有中科大少年班的余家辉，据说个个年薪过亿美元，批量生产打工皇帝，直接把AI人才竞争的入场券抬到亿级。

钱多人傻、内部宫斗，原来的AI大佬杨立昆出走，这一年来，Meta戏码不断，甚至传出小王同学要被干掉，逼得小扎晒出俩人合影辟谣。

终于！九个月后，小王同学端出了这个“牛油果”——全新的AI模型Muse Spark。

谈不上是一个“王者归来”的故事，Muse Spark不是一个炸裂的模型，长处与短板都很明显，在多模态理解、健康问答断层第一、深思模式在前沿科学表现好，但在抽象推理、coding能力上，还是远远落后于Claude和Gemini这些老对手。

外界居然很买账，Meta股价当天涨了9%，创下今年1月以来最大单日涨幅。对于Meta这次的诚恳态度，包括重构后的技术路线，也都挺认可的。

可以说，Meta这段经历，其实是给整个大模型行业上了一堂公开课，关于翻盘的公开课。

纠错速度比初始选择更重要

大模型竞赛最反直觉的一点是：你之前积累了什么，可能完全不重要。
Meta在Llama系列上投入了海量资源，但Llama 4翻车之后，扎克伯格并没有在原有技术栈上修修补补，而是做了一件极其痛苦的事：推倒重来。换帅，换组织，换架构，换路线。九个月，从零开始，重建一整套技术栈。

这对行业的启示很直接：在大模型时代，沉没成本就是沉没成本。你之前训了多少参数、堆了多少算力，方向错了就是错了。很多团队不缺GPU不缺人才，缺的是那个砍掉重来的决策魄力。钱能解决的问题，从来不是最难的问题。

小王在入职后的第一次全员会上说了一句话：“我们不会在别人的地基上盖楼。”这话当时听着像PR，现在看来他是认真的。Muse Spark是一个从底层重写的原生多模态推理模型，跟Llama系列几乎没有代码层面的继承关系。

这种“敢归零”的能力，本身就是一种稀缺竞争力。

执念是用来放下的

Meta做对的第二件事，是同时放下了两个执念。

第一个，是对开源的执念。

Meta曾经是AI开源世界里头号旗手，Llama系列的在开源社区至今都有很大影响力。但Muse Spark直接发布为闭源模型，以API形式开放。这个转向让很多人意外，甚至有人觉得背叛了开源社区。

但如果冷静想一下就会明白：开源从来不是价值观，是竞争策略。建生态的时候，用开源拉盟友，你的模型越多人用，你就越像标准。但当大模型行业从“技术布道期”进入“商业回报期”，研发成本飙升、技术保鲜期缩短，token经济成为新叙事支点之后，旗舰模型的闭源几乎是必然选择。

Meta的切换说明一个趋势：“开源即正义”的叙事，在AI竞赛的白热化阶段开始松动了。未来更可能的格局是混合路线——8B、32B 等中轻量级模型继续开源，数万亿参数的顶级旗舰模型转向闭源，作为云端服务的独家卖点。

第二个被放下的执念，是大模型对“全面碾压”的追求。

Muse Spark的跑分成绩单非常有趣：医疗推理断层第一（HealthBench Hard得分42.8%，GPT-5.4只有40.1%），图表视觉理解大幅领先（CharXiv Reasoning得分86.4），但编码能力（SWE-Bench 77.4%）和抽象推理明显落后于Claude和Gemini。

这不是一个“什么都行”的模型，而是一个“在特定方向上极其锐利”的模型。

为什么选医疗和视觉？因为这是Meta的产品生态最需要的能力。Meta AI眼镜需要强大的视觉理解来识别现实世界；WhatsApp和Instagram上的30亿用户需要可信赖的健康建议。更关键的是，Meta把十亿级的社交图谱——Instagram的创作者内容、Facebook的社群数据——整合进了AI回答。这是Google、OpenAI和Anthropic都没有的。

“全面碾压”的时代已经过去了，适合自己的才是最好的模型。

当头部模型的通用智力越来越接近，真正拉开差距的是你有什么别人没有的。Meta找到了自己的不对称优势：独有数据、独有场景、独有生态。

这对所有在做大模型的团队都是一个灵魂拷问：你独特的场景、生态和数据是什么？如果答不上来，光靠堆参数跑分是跑不出护城河的。

节奏感比完美度更值钱

Meta这次最聪明的一手棋，是没有憋大招。

Muse Spark被Meta自己定义为“起步款”——用来验证技术栈可行性的，不是性能天花板。用一个更直白的说法：这是一发信号弹，不是核弹。

但就是这发信号弹，达到了它需要达到的所有战略目标：股价涨了9%，投资人信心回来了；团队士气回来了；行业叙事从“Meta掉队”变成了“Meta回来了”。然后Meta可以沿着预训练效率（算力需求减少90%）、强化学习、推理时计算三条轴线慢慢放大，一步一步出牌。

这反映了大模型竞赛的一个深层变化：从“一发入魂”变成了“持续出牌”。

GPT-4发布的时候，整个行业被震撼，那是“一发入魂”时代。但现在，每家都有强模型，每个月都有新发布，用户和投资人的阈值越来越高，注意力窗口越来越短。你藏着掖着等”完美时刻“再发布？对不起，市场不会等你。投资人要看季度进展，团队要看方向确认，用户要看实际产品。

先出牌，证明你还在牌桌上。再用路线图告诉市场你会越来越强。节奏感，比完美度更有价值。

这可能也解释了为什么Meta要把这个系列叫“Muse”——缪斯是灵感之神，不是宙斯。它代表的不是终极力量，而是持续创造的开始。

做错的人还有机会，这让人欣慰

把Meta这九个月的故事串起来，你会发现一个清晰的逻辑：

先敢归零——这解决的是生存问题。方向错了就认栽，别在烂地基上盖楼。

再找到自己独有的不对称优势——这解决的是定位问题。别追求什么都强，想清楚你有什么别人没有的。

最后用节奏感持续出牌——这解决的是持久战问题。先亮相，再加注，让市场跟着你的节奏走。

这三层加在一起，其实就是一个在高度不确定环境下的生存公式。它不只适用于大模型竞赛，适用于所有技术换代期的竞争。

当然，Muse Spark只是Meta翻盘故事的第一章。接下来小王能不能兑现“越来越强”的承诺，小扎能不能把2026年预计1150亿到1350亿美元的AI支出转化成真正的护城河，这些都还是未知数。

但至少有一件事是确定的：在AI行业，“做对选择”很重要，“做错了之后还能站起来”，可能更重要。

毕竟我们都是人，都会犯错。