Meta发布Muse Spark：Superintelligence Labs首个模型转向闭源

Meta于2026年4月8日通过新成立的Superintelligence Labs团队，发布首个模型「Muse Spark」。官方说明其为原生多模态推理模型，可直接理解文字、图像与视频混合输入，无需另行拼接视觉编码器与语言模型；并内置工具使用能力，可自主调用外部API、代码执行环境完成任务；同时支持「视觉思维链」，让推理过程产生可视化中间步骤，并强化多智能体协作的原生支持。最受关注的是，Meta此次明确将Muse Spark定位为闭源模型，不开放权重、不提供本地部署，仅通过API或产品内置方式提供，与过去高调主打Llama开源、强调开放生态系统的立场形成明显反差。

技术与战略：从拼装式走向原生，从开源转向闭源

目前大多数多模态模型仍是「语言模型＋视觉编码器」的组合架构。Muse Spark强调原生多模态，意味着图像、视频与文字从训练阶段起就共享同一套表征与推理机制，理论上能减少模态转换时的信息损失，在判读图表、界面截图、现场照片等任务上更精准；视觉思维链也让中间推理步骤可视化、可检视，有助于调试与建立信任。另一方面，Meta长期以Llama开源作为对抗OpenAI、Google、Anthropic等闭源阵营的旗舰策略。此次首发模型改用闭源，被解读为Meta内部对「开源是否仍是最佳商业路径」的重新评估——当模型能力逼近前沿、训练成本攀升，开放权重等于把核心资产让渡给对手，闭源则能保留产品化、订阅制或企业授权的变现空间，呼应业界近期从「开放优先」转向「能力与商业优先」的氛围。

业界反应

开发者社区反应两极：长期依赖Llama开放权重做定制化微调与私有部署的团队，对转向闭源表达失望，担心开放生态红利就此终结；也有人认为，若Muse Spark的多模态与多智能体能力确实达到业界前沿水平，闭源反而说明Meta技术实力真正追上竞争对手，商业逻辑更理性。市场仍在等待更多实测数据与定价信息。

对管理者而言，这则新闻的信号意义大于工具本身：当多模态AI能原生处理图表、截图、现场照片并自主调用工具完成任务，值得优先思考哪些「看图判断＋跨系统操作」的工作流程（如品控巡检报告、渠道陈列稽核、客服工单分派）可以先做小规模试点。