Meta重启开源AI战略：Muse系列开源落地，力推模型蒸馏并挑战闭源壁垒

二零二六年八月十日，Meta公司宣布重新回归开源路径，标志着其在人工智能大模型发展策略上的又一次重要转向。此前，该公司曾以推动开源大模型发展著称，后转向闭源路线，如今再度明确支持开源生态，并就模型蒸馏这一关键技术实践作出公开表态。

近期，Meta陆续推出Muse系列大模型，整体性能较前代显著提升。其中，用户若同意将部分使用数据授权予Meta，模型服务价格可大幅下调，降幅最高达百分之九十五，已低于当前主流竞品DS V4 Flash，显示出对成本效益与普及性的高度重视。

八月十日晚间，Meta如期开放Muse系列模型权重。首批公开的是Muse Glimmer，一款参数量为三百亿的智能体模型，由主力模型Muse Spark蒸馏优化而来，具备在普通Mac设备或单显卡个人电脑上本地部署运行的能力。与此同时，扎克伯格确认，Muse Spark 1.2版本的完整权重将在未来数周内正式开源。

此次开源虽较原定承诺延迟约四个月，但最终兑现了关键承诺。扎克伯格同步发布公开信，系统阐述其对开源AI生态的理解与立场，尤其针对模型蒸馏这一长期存在分歧的技术路径表明态度：蒸馏是模型间知识迁移的自然过程，属于开源协作体系中不可或缺的一环；美国若要在全球开源人工智能领域保持引领地位，必须减少对蒸馏行为及训练数据使用的过度限制。

他指出，观察与学习是技术演进的基本逻辑，允许从可公开获取的信息中提炼知识，本就是创新的起点。若过早以行政或法律手段设限，反而可能削弱自身技术迭代速度，加速他国开源模型的发展步伐。

这一观点与另两家头部机构形成鲜明对照。后者长期主张严格限制第三方对其模型的蒸馏行为，并多次推动立法层面将此类行为界定为违规甚至违法，立场极为强硬。然而，其自身模型的构建基础，恰恰广泛依赖于人类文明长期积累的公开知识资源，涵盖大量来自互联网的多语言文本，其中包括规模可观的中文语料。

尽管在蒸馏问题上的策略取向不同，Meta与上述机构的根本目标具有一致性——即巩固美国在全球人工智能领域的综合优势。差异仅在于路径选择：前者主张通过开放蒸馏促进整体能力跃升，后者则倾向于以限制他人蒸馏来维护阶段性技术壁垒，却未对其自身同样依赖公共知识资源的事实作出相应反思。