Meta發表Muse Spark：Superintelligence Labs首個模型轉向閉源

Meta於2026年4月8日透過新成立的Superintelligence Labs團隊，發表首個模型「Muse Spark」。官方說明其為原生多模態推理模型，可直接理解文字、圖像與影像混合輸入，不需另外拼接視覺編碼器與語言模型；並內建工具使用能力，可自主呼叫外部API、程式執行環境完成任務；同時支援「視覺思維鏈」，讓推理過程產生可視化中間步驟，並強化多代理協作的原生支援。最受關注的是，Meta此次明確將Muse Spark定位為閉源模型，不釋出權重、不提供本地部署，僅透過API或產品內建方式提供，與過去高調主打Llama開源、強調開放生態系統的立場形成明顯反差。

技術與策略：從拼裝式走向原生，從開源轉向閉源

目前多數多模態模型仍是「語言模型＋視覺編碼器」的組合架構。Muse Spark強調原生多模態，代表圖像、影像與文字從訓練階段就共享同一套表徵與推理機制，理論上能減少模態轉換時的資訊損失，在判讀圖表、界面截圖、現場照片等任務上更精準；視覺思維鏈也讓中間推理步驟可視化、可檢視，有助於除錯與信任建立。另一方面，Meta長期以Llama開源作為對抗OpenAI、Google、Anthropic等閉源陣營的旗艦策略。此次首發模型改採閉源，被解讀為Meta內部對「開源是否仍是最佳商業路徑」的重新評估——當模型能力逼近前緣、訓練成本攀升，開放權重等於把核心資產讓渡給對手，閉源則能保留產品化、訂閱制或企業授權的變現空間，呼應業界近期從「開放優先」轉向「能力與商業優先」的氛圍。

業界反應

開發者社群反應兩極：長期依賴Llama開放權重做客製化微調與私有部署的團隊，對轉向閉源表達失望，擔心開放生態紅利就此終結；也有人認為，若Muse Spark的多模態與多代理能力確實達到業界前緣水準，閉源反而代表Meta技術力真正追上競爭對手，商業邏輯更理性。市場仍在等待更多實測數據與定價資訊。

對管理者而言，這則新聞的訊號意義大於工具本身：當多模態AI能原生處理圖表、截圖、現場照片並自主呼叫工具完成任務，值得優先思考哪些「看圖判斷＋跨系統操作」的工作流程（如品管巡檢、通路陳列稽核、客服工單分派）可以先做小規模試點。