全球基础模型竞争加剧的背景下，科技巨头们正加快模型迭代速度，同时重新评估开放与封闭策略的平衡。Meta最新推出的Muse Spark选择不开放模型权重，该决定引发业界对其战略方向的关注：首先，这是否意味着Meta将改变以往"开源带动生态"的策略，转向更封闭的模式；其次，新模型如何在通用能力和专业能力之间取得平衡；最后，"个人超级智能"的定位将如何融入其社交、内容和硬件生态。 从组织架构和资源投入来看，Muse Spark是Meta完成团队重组后的首个重要产品。过去几个月，公司在模型训练、产品化和算力基础设施上进行了系统布局，包括推进数据中心建设，以构建完整的技术闭环。选择闭源策略可能基于以下考虑：增强模型安全性，降低滥用风险；为商业化和产品优化保留更大空间；以及多产品体系中建立差异化优势。不过有消息称Meta可能考虑发布Muse Spark的某个开放版本，显示其正在探索开放与控制之间的平衡点。 根据Meta公布的测试数据，Muse Spark在整体性能上虽与行业领先的基础模型仍有差距，但在特定领域如复杂图表理解、图像识别和医疗问答诸上表现突出。这反映出两个趋势：通用能力提升需要长期积累，而针对具体场景的优化能更快实现产品价值。目前，Muse Spark已meta.ai和Meta AI App上线，未来几周将逐步接入WhatsApp、Instagram等平台及智能眼镜设备。对企业用户，Meta仅向部分合作伙伴开放API测试，显示出谨慎的商业化态度。 需要指出，Muse Spark推出了"沉思模式"，通过多智能体协作提升复杂任务处理能力。要实现"个人超级智能"的愿景，Meta需要在三个上持续改进：建立更贴近实际场景的评估标准；加强跨平台的隐私保护和合规管理；以及优化端云协同以降低成本。 总体而言，Muse Spark的发布标志着基础模型竞争进入新阶段：从追求开放转向注重实际能力；从单一模型发展为智能体系统；应用方向更加个性化和场景化。Meta能否凭借其社交平台和硬件优势取得成功，取决于其在通用能力、专业能力和安全性之间的平衡。未来是否推出开源版本，也将对开发者生态产生重要影响。
Muse Spark的推出展现了Meta在组织调整后的技术成果，也说明了其基础模型战略从开放到落地的转变；当前的基础模型竞争已不再局限于技术指标，真正的挑战在于将技术转化为可靠、可扩展的产品服务。"个人超级智能"的发展前景，最终将由安全治理、生态协同和实际用户体验共同决定。