Meta公司推出Muse Spark，标志着其人工智能战略迈出了重要一步。Muse Spark是一款全新模型，也是其人工智能部门重组后的一个转折点。马克·扎克伯格的公司正试图通过更整合的产品线和明确的全球化战略，重新夺回与OpenAI、谷歌和Anthropic等竞争对手的市场份额。
该模型将为网页版 Meta AI、独立应用程序以及 WhatsApp、Instagram、Facebook、Messenger 和 Ray-Ban Meta AI 眼镜等服务提供技术支持。虽然该技术已在美国率先推出，但其发展路线图包含国际扩张计划，预计一旦西班牙和欧洲其他地区的监管和隐私问题得到解决，这些地区的用户也将很快受益。
战略转变：从 Llama 家族转向 Muse 家族
Muse Spark 是Meta Superintelligence Labs (MSL) 开发的全新 Muse 系列的首款产品。MSL 是扎克伯格斥资数十亿美元打造的精英实验室，专注于人才和基础设施建设。MSL 的掌舵人是 Scale AI 的创始人 Alexandr Wang，此前Scale AI 获得了约14.300 亿美元（约合 12.250 亿欧元）的投资，随后 Muse Spark 正式加入MSL。
该模型历时约九个月开发完成，在此期间，Meta 声称几乎从零开始重建了其人工智能堆栈。最终成果并非旨在成为市场上规模最大的系统，而是力求成为最高效的系统之一：体积小、速度快，并且能够在无需过多计算能力的情况下处理复杂查询，其性能优于之前的版本，例如 Llama 4 或 Llama 4 Maverick。
在 Llama 系列产品反响平平之后，Meta 调整了发展方向。尽管 Llama 系列产品采用开源模式，但未能使 Meta 达到 OpenAI、Anthropic 或 Google Gemini 的水平。Muse Spark 的推出表明，Meta 意识到需要一款更适合实际应用的产品，同时也要能够支撑其围绕人工智能的商业模式。
市场反应积极。在Muse Spark发布消息后，Meta的股价在华尔街上涨了6%至8%，这表明投资者将此举解读为该公司为继续在下一代主要技术平台领域保持竞争力而做出的认真尝试。
专有模式，但并未完全排除开源的可能性。
最引人注目的一点是，Muse Spark 是一款封闭的专有模型。这与 Meta 之前以相对开放的许可发布 Llama 重量和模型的做法截然不同。如今，该公司优先考虑对技术及其商业开发的控制，尽管他们也表示，未来版本的 Muse 系列可能会提供开放版本。
Meta指出，训练流程和基础设施的改进使得更小的模型能够以比Llama 4中端版本低一个数量级的计算能力，达到相近的性能。这种效率是Muse Spark能够在所有应用中扩展使用，同时又不显著增加成本的关键。
该公司在内部和第三方评估中表示，该模型在多模态感知、推理和智能体任务方面具有竞争力，尽管该公司承认在复杂编程流程或超远程智能体系统等领域仍有改进空间。
外部专家指出，缺乏开放权重将使社区难以准确衡量模型的技术价值。即便如此，Meta强调将继续并行投资开源项目，使其人工智能生态系统涵盖内部模型、商业产品和社区开发。
关键能力：多模式、健康和采购
从实际应用角度来看，Muse Spark 是一款能够处理文本和图像的多模态人工智能。它可以分析照片，理解其内容，并将其与书面指令结合起来——这对于像 Ray-Ban Meta AI 眼镜这样的设备，或者对于该公司社交媒体上流传的大量图像和视频来说，都是一个特别相关的领域。
Meta 非常重视健康。Muse Spark 经过精心挑选的数据训练，并得到了1.000 多位医生的帮助，他们审核并完善了有关营养、运动和其他健康主题的信息。其目标是让这款助手能够更准确地回答医学问题，生成可视化解释，并帮助用户理解复杂的概念，例如某些肌肉在运动中的功能或菜肴的营养成分。
这种方法并非没有风险，尤其是在欧洲，那里的数据保护标准和数字医疗服务的监管要求尤为严格。无论如何，Meta 声称已对该模型进行了边界风险评估、对齐测试和对抗鲁棒性测试，结果表明 Muse Spark 处于行业所预期的安全范围内。
该服务的另一项关键功能是购物模式。Muse Spark 可与 Instagram、Facebook 和 Threads 连接，根据用户已关注的创作者和社群推荐产品、风格或购买建议。当用户询问服装、家居装饰或礼品创意时，人工智能可以将这些社交信息与查询上下文相结合，从而展示比普通搜索引擎更相关的选项。
在更日常的场景中，例如计划旅行、安排行程或比较适合有孩子的家庭的目的地，该模型将任务分配给多个 AI 代理：一个代理可以制定日程，另一个代理可以检查住宿，另一个代理可以查找特定活动，然后将所有内容组合成一个连贯的建议提供给用户。
推理模式和基于代理的架构
与其他新一代模型一样，Muse Spark 提供多种推理模式，以适应不同类型的查询。Meta 将推理模式分为三个主要级别：快速模式，旨在提供即时答案；中级模式，适用于需要更详细分析的任务；以及高级模式，专为深入分析而设计。
在实践中，这些级别转化为该公司所称的“即时”、“思考”和“沉思”等模式。“即时”优先考虑对简单问题的速度；“思考”侧重于更复杂的问题，例如总结文档、分析合同或解释科学概念；“沉思”则会激活一组并行工作的智能体，以获得更详尽的答案，这与Gemini Deep Think等模型或某些高级GPT计划中所谓的“极限推理”模式相一致。
为了使这种方法可行且成本不至于飙升，Meta 的工程师在训练过程中对思考时间施加了惩罚。换句话说，他们要求模型在面对复杂问题时压缩推理过程并减少令牌数量，力求在降低延迟和资源消耗的同时保持响应质量。
该公司表示，在基准测试中，Muse Spark在多模态推理和某些智能体测试等领域，其性能可与 Claude Opus 4.6 或 GPT 的高级版本等模型相媲美。然而，该公司也承认，在复杂编程和长时间运行的智能体任务等领域，Muse Spark 仍存在不足，其他软件包在这些方面仍然具有优势。
总之，并行代理架构和在响应模式之间切换的能力表明，Meta 希望其助手超越简单的聊天机器人，成为“个人超级智能”，能够执行特定步骤、协调子任务，并在公司生态系统中具有一定的自主性。
全面整合到 Meta 应用中及其在欧洲的潜在影响
Muse Spark 已在美国的网页版和专用应用程序中实现了 Meta AI 的功能，该公司确认，未来几周内，该功能将推广至 WhatsApp、Instagram、Facebook 和 Messenger，以及 Ray-Ban Meta AI 眼镜。其理念是用户无需额外安装任何软件：人工智能将作为底层技术集成到数百万用户日常使用的各项服务中。
在欧洲，尤其是在西班牙，这些功能的推出将取决于《通用数据保护条例》(GDPR) 和新的欧洲人工智能法规等相关法规的实施。Muse Spark 利用文本、图像、视频和用户反馈的能力引发了人们对如何管理用户同意、用户画像以及如何使用个人数据来实现高度个性化回复等问题的思考。
Meta 认为，海量信息是其主要竞争优势之一。通过获取社交互动、视听内容和明确的用户反应（点赞、评论、分享），该公司声称能够训练和完善模型，从而更好地理解用户的偏好。然而，在欧洲，Meta 必须权衡这种潜力与严格的透明度、数据最小化和用户选择退出机制等方面的要求。
除了社交媒体之外，Muse Spark 在智能眼镜等产品中的应用，也为“环境计算”体验打开了大门：只需将摄像头对准物体，即可接收即时的环境信息，或无需手动扫描标签即可获取营养指导。这些应用场景同样需要在欧洲监管框架内接受严格审查。
如果 Meta 能够成功地使 Muse Spark 适应这些法律框架，同时又不显著削弱其功能，那么欧洲用户将受益于更加主动、更具情境化的助手，无论是在内容消费、购物、娱乐还是健康领域。而 Meta 自身也将因此获得比目前在该地区通过浏览器和外部应用程序运营的模式更强大的市场地位。
业务、支付 API 以及对基础设施的大规模投资
除了直接用于自身应用外，Meta 还在测试面向特定合作伙伴的 Muse Spark 受限 API 访问权限。其目标是逐步推出付费服务，使公司和开发者能够将该模型集成到自身产品中，从而在广告之外创造新的收入来源。
此前，与其他同行业公司不同，该公司尚未成功建立起基于人工智能服务销售的成熟业务。凭借专注于特定任务的专有模式，该公司希望在已被微软、谷歌和其他云服务提供商支持的平台主导的市场中，占据一席之地。
与此同时，Meta公司正大力增加对数据中心、芯片和网络的投资。该公司宣布，其2026年人工智能相关资本支出将大幅增长，几乎是上一年的两倍，目标是为数亿用户训练、部署和运行日益复杂的模型。
股市的积极反应表明，至少目前来看，市场愿意容忍该公司增加资本支出，以换取其在生成式人工智能经济中占据重要地位的可能性。然而，真正的考验在于其应用程序接口（API）的采用率，以及欧美企业是否愿意基于这项公开路线图仍然有限的技术进行开发。
Meta公司内部声称，其研发团队保持着相对扁平化的组织结构和自主权，王先生直接管理着约100名员工。此举旨在适应前沿模型开发周期显著缩短的现状，从而实现敏捷发展。
Muse Spark 的发布标志着 Meta 公司人工智能战略的转变：从专注于未能获得市场认可的开放模型，转向更加务实、专有的、面向特定产品的策略。如果该模型在性能、集成性和安全性方面能够兑现承诺，Meta 有望缩小与现有领先者的差距；但如果未能达到预期，在这样一个快速发展的行业中，此次战略调整的机会成本将十分巨大。