在超過一年優先發展封閉模型後，Meta 正透過發布 Muse Glimmer 重振其開源權重策略——這是一款 300 億參數模型，專為本地代理工作流程而設計。此舉正值企業日益尋求將 AI 運算更貼近其資料，並對基礎設施維持更嚴密的控制——這一趨勢不僅受到成本考量驅動，也受到資料主權要求和法規合規壓力的推動，使得純雲端部署對敏感工作負載而言變得不切實際。

Muse Glimmer 週一由 Meta 超級智能實驗室在 Apache 2.0 授權下發布——這是最寬鬆的開源授權之一，允許商業使用、修改和重新散布，且無 copyleft 義務——該模型經過優化，可在配備單一 GPU 的 Mac 或 PC 上運行。該模型能處理複雜的多步驟代理工作負載，包括程式編寫、網路研究和除錯任務。

此次發布距離 Meta 推出 Muse Spark 1.1 僅一週，後者是一款針對高級推理和複雜代理任務的封閉模型。接連的發布顯示，在中國 AI 供應商以具價格和效能競爭力的替代方案日益獲得關注之際，Meta 有意在開源模型市場保持競爭力。

Glimmer 也標誌著 Meta 部分回歸其在 2023 年隨 Llama 基礎模型推出而開創的開源模型理念——Llama 曾成為下載量最廣泛的開源權重模型家族之一。然而，此後該公司逐漸淡化了 Llama，即使在約一年前發布了第四代模型。

混合策略

分析師認為，Meta 並非全面回歸開源模型，而是在追求雙軌策略。

「我不認為 Meta 只是在簡單地切回開源模型，」Tekonyx 總裁兼首席研究官 Sid Nag 表示。他解釋說，Meta 旨在讓其封閉模型與前沿 AI 實驗室的產品保持競爭力，同時利用開源模型擴大觸及範圍——特別是在其社交媒體生態系統之外的企業。此做法類似於 Google 的策略，即以開源的 Gemma 模型補充封閉的 Gemini 產品線。

雖然 Meta 發布新模型的時機恰逢來自 Moonshot 和阿里巴巴等供應商的中國競爭性開源模型大量湧現，但 Glimmer 占據了獨特的利基市場。以 300 億參數計，它遠小於一些受歡迎的新中國模型，後者擁有超過一兆參數。

「這是一款非常精簡、輕量的模型，主要在你的桌面端運行，」Gartner 分析師 Arun Chandrasekaran 表示。「Meta 正在走更小的路線，並且直接朝向 AI 運行所在的邊緣終端設備。它主要旨在涵蓋更多本地的、桌面端的代理工作流程，而非更集中的雲端模型。」

Chandrasekaran 指出，Meta 一直密切關注企業如何部署 AI，特別是在 OpenClaw——現已納入 OpenAI 體系——以及 Anthropic 的 Claude Cowork 取得成功之後。

「人們希望在最接近資料、最接近工作流程的地方運行這些模型，」Chandrasekaran 說。「為此，Meta 希望成為該生態系統的一部分，Meta 希望實現這一目標，Meta 希望能賦能更多企業員工在本地運行 AI。」

企業對控制權和成本效益的需求

在本地運行模型也反映了企業對控制權的更廣泛需求。Nag 指出，許多組織正在尋求特定領域模型，而大多數前沿模型提供商難以提供此類模型——除了 Anthropic 之外，該公司已利用 Cowork 吸引尋求客製化解決方案的企業。

開源模型還提供了極具吸引力的推理經濟效益，Nag 表示。「訓練前沿模型需要大量資金，而隨著時間推移，運行數百萬企業推理工作負載的成本更高，」他解釋道。「透過發布權重，Meta 讓客戶承擔大部分基礎設施成本，而非自行運營每個工作負載。」

儘管有這些優勢，Chandrasekaran 警告說，Meta 在贏得企業的實質採用方面仍有大量工作要做。「它需要在模型之上構建平台層，因為這正是企業所需要的，」他說。「Meta 還應為企業提供更好的安全能力和法律賠償保障。」

隨著競爭格局日益激烈——中國開源模型和美國前沿實驗室都在爭奪企業關注——Meta 精簡的邊緣可部署開源模型搭配重量級封閉系統的雙重策略，使其同時定位於 AI 市場的多個細分領域。