小扎万字长文炮轰闭源：蒸馏无罪，Meta 正式重回开源模型路线

8月10日，Meta超级智能实验室正式发布Muse Glimmer，并依据宽松的Apache 2.0许可证开放模型权重。 Meta首席执行官马克·扎克伯格表示，不久后还将发布 Muse Spark 1.2 的权重，这是Meta最新的基础模型。这标志着Meta重新回归“开放”AI战略。扎克伯格还发布了一篇万字长文，主张不应让强大的人工智能集中在企业和政府手中。 另外，Meta设立了独立董事会，负责制定安全标准、逐项审核每一次模型发布。扎克伯格认为，即使创始人控股，也不再由 CEO 单独决定高危 AI 上线，呼吁全行业效仿。 主打本地智能体模型 Meta 战略转型后发布的首款模型Muse Glimmer，拥有300亿参数，专为持续运行的本地智能体工作流优化，可在配备单张消费级GPU的Mac或PC上运行。其应用场景涵盖本地个人智能体、函数调用、代码开发以及“以大模型评估大模型”等任务。 下载地址： https://huggingface.co/meta-models/Muse-Glimmer-30B " 为了让模型能够管理日程、起草消息、整理文件并适应用户的工作方式，Muse Glimmer重点强化了长流程执行、精确工具调用、多模态理解、长上下文记忆和指令遵循能力。 在预训练期间，利用Muse Spark的输出进行logit蒸馏，采用与教师模型相近的数据组合；中期训练时，加入更长上下文、更高比例的智能体任务数据以及更丰富的推理轨迹；后训练阶段，结合监督微调、在线策略蒸馏和强化学习，覆盖通用、推理、编程和智能体任务。 Meta 内部也将 Muse Glimmer，与 Gemma4-31B 和 Qwen3.6-27B 进行了多种基准测试对比： 不过，虽然这组比较在参数规模上相对公平，但有网友指出，Qwen 3.6已经不是最新一代模型，Muse Glimmer还需要与后续27B级模型进行直接测试，才能判断其真实竞争力。 据介绍，Muse Glimmer支持端到端任务执行、精确工具调用、多步骤推理、失败诊断与重试，并可通过专用感知编码器同时处理文字和图像。模型兼容OpenClaw等智能体编排方式，支持调整推理强度，并覆盖100多种语言。 为适应本地设备，Meta通过约4 bit量化，将原本需要超过55GB内存的语言模型压缩至20GB以内，使KV缓存、图像感知编码器和推测解码模块可共同运行在24GB或32GB内存环境中。 为提高生成速度，Muse Glimmer还配备基于DFlash的轻量级草稿模型。该模型可一次提出一组候选token，再由主模型并行验证、接受正确内容并修正错误内容，从而减少逐token生成带来的等待时间。Meta表示这显著提高了Muse Glimmer的文本生成速度。 测试结果显示，在配合K-Quant-17GB量化模型运行时，DFlash可使Muse Glimmer的解码速度在RTX 5090上提升约3.1倍，在M5 Max和M4 Max上分别提升约1.8倍和1.5倍。所有计算均可在本地设备完成。 有网友表示，已经通过Ollama在一台配备32GB内存的旧款Mac mini上运行Muse Glimmer，初步效果不错，但完成任务的速度较慢。也有测试者认为，模型的推理过程相对简洁，不过在部分任务中可能比一些容易反复推演的模型更有效率。 部分开发者则对其编程能力持保留态度，认为Muse Glimmer虽然能够处理代码任务，但真正优势可能在智能体工作流、工具调用和不同的安全对齐方式，而非直接挑战最强云端编程模型。“Qwen3.6 27B 是编程中常用的中型模型，能战胜它绝非易事。”有网友说道。 另外，Muse Glimmer主打消费级设备部署，但24GB以上显存或统一内存对普通用户而言仍是一道门槛。“并非每个人都负担得起24GB内存设备。”有网友说道。 有网友估算，官方测试所使用的RTX 5090价格可能达到数千美元。如果只考虑短期使用成本，订阅云端前沿模型或许更加划算。本地部署的价值更多体现在隐私、离线使用、可定制性，以及不受API费用和服务策略变化影响。 小扎万字长文，抨击竞对“封闭”路线 发布模型的同时，扎克伯格还在Meta网站发表了一篇长文。他在文中写道：“大多数其他实验室都专注于为企业、政府或其他机构构建AI。因此，如果这些实验室取得领先，权力平衡就会向大型机构倾斜，而不是个人。”这番话似乎是在针对谷歌、Anthropic和OpenAI等公司。 扎克伯格表示，Meta将继续投资开放权重模型。他批评竞争对手实验室采取“封闭”路线：这些实验室通过销售模型访问权限获得了数十亿美元收入。 扎克伯格写道：“有些人认为，降低风险的最佳方式是限制个人能够获得的能力。”但他认为，“广泛部署的开源系统已被证明更加安全，因为有更多人可以发现其中的漏洞”。 他以Hugging Face为例称，在封闭模型以安全为由拒绝其请求后，Hugging Face利用开放模型修补了自身安全系统。 扎克伯格发表上述言论之际，中国AI实验室的开放模型正在缩小与美国实验室最先进专有模型之间的差距。 OpenAI和Anthropic此前指责国内竞争对手利用美国AI实验室模型的输出训练自己的模型。这项技术被称为“蒸馏”。然而，扎克伯格对此表示支持。他认为，维护“人们可以从自己观察到的任何事物中学习”这一原则非常重要，并否定了蒸馏“有害”的观点。 不过，扎克伯格支持继续通过芯片出口管制减缓竞争对手的发展。 他在文中称，中国大约每两周就有超过1吉瓦核电产能投入运行，因此美国需要加快建设能源设施和数据中心，并继续通过芯片出口管制减缓竞争对手的发展。即使只有两个月的技术领先也具有巨大价值，而模型发布延迟一个月就可能影响美国的领先地位。 不过，扎克伯格不赞成禁止个人和企业使用外国开放模型，认为这会降低可用AI的质量并加剧集中化。Meta主张减少美国实验室在训练数据、蒸馏等方面面临的政策阻力。 扎克伯格还表示，Meta将把模型安全审查权交给公司独立董事会。他表示，不应由他本人或任何一位AI企业负责人单独决定超级智能如何部署，并呼吁其他前沿实验室建立类似的独立监督机制。 针对AI取代工作的担忧，扎克伯格认为，自动化速度并不一定快于AI提升个人能力、创造新需求和新职业的速度。如果超级智能主要用于发明而非替代现有岗位，个人能力增长可能追上甚至超过自动化。 他预计，未来可能出现单人产品工作室、世界构建师、体验设计师和利用AI制定个性化疗法的“个人生物学家”。企业平均规模可能缩小，但企业总数有望增加，少数人借助个人智能体即可经营较大规模的公司。 他承认，工作方式变化将带来艰难的适应过程，但认为个人智能体也可承担职业培训和转型辅导。 这位Meta创始人批评竞争对手AI实验室所宣扬的论调“充斥着末日叙事”。“认为AI危险到只有极端集中权力才是安全道路，这种观点本身就存在问题。随着每个人都获得更强大的工具，每个人塑造未来的能力都会增强，而不是减弱。” 感兴趣的读者可以查看全文： https://www.meta.com/thefutureisforeveryone/ " 今年早些时候，Meta以安全问题为由，拒绝公开Muse Spark的底层权重。随着