经过一年多优先发展闭源模型后，Meta发布了专为本地智能体工作流设计的300亿参数模型Muse Glimmer，以此重振其开源权重战略。此举正值企业日益寻求在更靠近数据的地方运行AI，并对其基础设施保持更严格控制之际——这一趋势不仅受成本考虑驱动，还受到数据主权要求和监管合规压力的影响，使得仅依赖云的部署方式对于敏感工作负载变得不切实际。

Muse Glimmer于周一由Meta超级智能实验室（Meta Superintelligence Labs）在Apache 2.0许可证下发布——这是最宽松的开源许可证之一，允许商业使用、修改和重新分发，且无需承担版权义务（copyleft obligations）——该模型经过优化，可在配备单个GPU的Mac或PC上运行。该模型能够处理复杂的、多步骤的智能体工作负载，包括编程、网络研究和调试任务。

此次发布仅在Meta推出旨在实现高级推理和复杂智能体任务的闭源模型Muse Spark 1.1一周之后。连续的发布表明，在中国AI厂商凭借价格和性能极具竞争力的替代产品日益获得关注之际，Meta有意保持在开源模型市场的竞争力。

Glimmer的发布也标志着Meta部分回归了其2023年推出的开源模型理念，当时该公司发布了Llama基础模型，该系列后来成为了下载量最大的开源权重模型家族之一。然而，自那时以来，尽管大约一年前发布了第四代模型，该公司已逐渐淡化了对Llama的关注。

混合策略

分析人士认为，这并非完全的战略转向，而是Meta正在采取一种双轨并行的方法。

“我不认为Meta仅仅是简单地切回开源模型，”Tekonyx总裁兼首席研究官Sid Nag表示。他解释说，Meta旨在使其闭源模型保持与前沿AI实验室产品相媲美的竞争力，同时利用开源模型来扩大其影响范围——特别是针对其社交媒体生态系统之外的企业。这种方法反映了谷歌的战略，即用开源的Gemma模型来补充其闭源的Gemini系列。

虽然Meta发布这些模型的时机恰逢Moonshot和阿里巴巴等供应商带来的具有竞争力的中国开源模型激增，但Glimmer占据了一个独特的利基市场。它的参数量为300亿，远远小于一些拥有超过万亿参数的流行中国新模型。

“这是一个非常精简、轻量的模型，主要在你的桌面上运行，”Gartner分析师Arun Chandrasekaran说道。“Meta正朝着更小的方向发展，并直接走向运行AI的边缘终端设备。它主要用于覆盖更多基于本地桌面的智能体工作流，而不是像那种更加集中的基于云的模型。”

Chandrasekaran指出，Meta一直在密切关注企业如何部署AI，特别是考虑到现已归入OpenAI旗下的OpenClaw以及Anthropic的Claude Cowork所取得的成功。

“人们希望在离数据最近、离工作流最近的地方运行这些模型，”Chandrasekaran说。“为此，Meta希望成为该生态系统的一部分，Meta希望促成这一点，Meta希望能赋能更多企业员工，让他们在本地运行更多AI。”

企业对控制权和成本效益的需求

在本地运行模型也反映了企业对控制权更广泛的渴求。Nag指出，许多组织正在寻求特定领域模型，而大多数前沿模型提供商难以提供这些模型——除了Anthropic，该公司利用Cowork吸引了寻找定制解决方案的企业。

Nag表示，开源模型还提供了极具吸引力的推理经济学效益。“训练一个前沿模型需要花费大量资金，而随着时间推移，运行数百万个企业推理工作负载的成本甚至更高，”他解释道。“通过发布权重，Meta让客户承担了大部分基础设施成本，而不是由自己来运营每一个工作负载。”

尽管有这些优势，Chandrasekaran仍提醒说，Meta若要赢得实质性的企业采用，仍有大量工作要做。“它需要在模型之上构建平台层，因为这是企业想要的，”他说。“Meta还应在安全性和企业法律赔偿方面提供更好的能力。”

随着竞争格局日益激烈——中国开源模型和美国前沿实验室都在争夺企业的关注——Meta将精简的、可边缘部署的开源模型与重量级的闭源系统相结合的双轨战略，使其能够同时覆盖AI市场的多个细分领域。