这一周，美国开源权重模型的实力平衡出现了阶跃式变化，重新向最前沿靠拢。Meta 以 Muse Spark Open 领衔这轮冲锋，它目前是美国制造的最强开源模型，且领先幅度相当大，但 Reflection 的首个模型 Beam 的加入也同样重要。如果没有这两个模型，中国公司构建并发布的开源权重模型中，将有 20 多个优于西方最好的模型。截至本文撰写时，Mistral 也宣布了一款强劲的模型 Mistral Large 4，指数得分为 38（见下文），但其权重尚未发布。还有传言称，其他机构也将推出几款强劲的美国开源权重模型！
在许多方面，美国与中国最佳模型之间的差距已大致缩小了一半。美国最佳开源模型从对需要最前沿性能的消费者基本无关紧要，变成了落后但仍有相关性。
这描绘出前沿模型业务残酷竞争的本质。Reflection 和 Mistral 公布了各自的模型得分，而 Meta 在其他两家实验室来得及发布自己的权重之前，就放出了更聪明模型的权重。所有这些模型都在与几个月前发布的中国模型竞争，业界集体在问——自 GLM-5.3 和 Kimi K3 分别于 8 月 18 日和 7 月 16 日发布以来，Kimi 和 Zhipu AI 都去哪儿了？
这是一个非常微妙的问题，我另找时间深入探讨。今天的文章聚焦于 Meta 的扭转、Muse Spark Open 对生态系统的意义，以及西方前沿实验室之间的力量平衡。
分享
为什么 Muse Spark Open 应该会腾飞——以及为什么它可能不会
在 Interconnects，通过我们的开放模型分析，我们一次又一次看到的一件事是：西方开源权重模型获得的采用率惊人地高于同等性能与规模比的中国模型（尽管中国模型通常先推出）！Muse Spark Open 正是在这样的环境中登场，恰逢开放式 LLM 智能体终于真正可用之时（约 GLM 5.2 的能力水平及更高）。
借助中国模型性能的快速提升，开放生态正经历需求加速。推理服务商在快速扩张，开放后训练经济正在形成，无数企业希望拥有自己的智能。Muse Spark Open 的性能大致高于 GLM 5.2、接近 DeepSeek V4.1 Flash，落后于 GLM 5.3 或 Kimi K3。它应该正好“足够好”，能直接嵌入这一格局。
作为背景，以下是 Hugging Face 上 Muse Spark Open 模型卡的内容：
Muse Spark Open 是一个总参数 816B、激活参数 42B 的开源权重模型，上下文窗口为 100 万 token。Muse Spark Open 专为编程和智能体工作打造，原生支持多模态。这一开源权重版本经过了额外的安全后训练，使其作为没有系统护栏的独立模型时更能抵御滥用。我们建议将 Muse Spark Open 作为更广泛 AI 系统的一部分部署，并针对具体用例添加额外的护栏。
以下是各 Muse 模型在 Artificial Analysis 智能指数上的分布。
这里放这张图是为了呼应前面模型卡的片段。据分享，这一开源权重模型经过了额外的安全训练，为此次开放发布做准备。许多观察者认为这次发布可能是一个在安全训练中“被弄坏”的模型，因为它是在 Muse Spark 1.3 之后推出的。
实际上，这更可能是对 Muse Spark 1.2 的一次安全调优，在 Artificial Analysis 上只会带来 1 分的下降，以强化安全行为。当 Meta 发布 30B 智能体模型 Muse Glimmer 时，Alex Wang 表示他们正准备将 Muse Spark 1.2 模型作为开源权重发布，这与上述情况相符。
如果说有什么会拖累 Muse Spark Open，那一定是他们为它专门设计的许可证。总而言之，这份自定义许可证几乎涵盖了过去几年构建开源模型时我们见过的（并在此批评过的）所有限制性许可证行为。具体如下：
在产品中使用这些模型的用户必须在其产品上显示“Built with Muse”。Meta 在 Llama 上就这么做过，Kimi 也尝试过，但几乎没有人遵守。
还有一个收入门槛因素：在整个业务范围内部署该模型、月收入超过 2000 万美元的公司，需要与 Meta 签订单独的许可证。其他知名的开源模型提供商也在这样做，以便为转售推理建立收入分成协议。
Muse Spark Open 要求你同意一项可接受使用政策，在真正的“开源软件”圈子里，这让该模型极不符合开源定义。
上述所有条款同样适用于模型的输出及其衍生品，因此如果你能否安全地将该模型用于合成数据，存在法律上的模糊性。
该许可证确实允许将 Muse Spark Open 用于内部研究和应用。
我们正处于一种奇怪的平衡状态：这份许可证复杂且在法庭上未经检验，但许多参与者很可能会无视它。会有非常多的人通过各种推理提供商在这个模型上构建应用，而 Meta 很可能只会追究情节严重的违规行为。
目前，许可证尚未成为 AI 采用的决定性因素，但未来可能会改变。这就是为什么我们认为，对于试图竞争并重新赢得采用率的实验室来说，为其模型设置复杂、非标准的开源许可证是一种不必要的战略风险。
Interconnects AI 是一份由读者支持的出版物。考虑成为订阅者。
Meta 是一线（OpenAI/Anthropic）还是二线（Gemini/xAI）前沿实验室？
就在 Muse Spark Open 发布前几天，Meta 揭晓了其闭源前沿模型 Muse Wonder 和 Muse Wonder Full.1。在传统基准测试上，这些是非常强大的模型，仅次于 Anthropic 的 Opus 5.5，与 OpenAI 的 GPT-6-Astra 或 Google 的 Gemini-4-Argon 相当。
这些重大发布距离 Meta 大规模 AI 转向仅过去一年多，那次转向以 CEO Mark Zuckerberg 的“个人超级智能”帖子为标志，当时招致了不少批评。Meta 是唯一一家同时拥有前沿开源和闭源模型的美国公司。阿里巴巴的 Qwen 也采取了类似策略，但更偏向开放。
所有这些模型的整体体验都相当扎实，但外界原本预期它们不会在真实使用中立刻挑战 Anthropic 和 OpenAI 最新模型的精细程度。我很期待更多地试用它们——是时候再订阅一个 AI 服务了。
我喜欢 Meta 近期的这波表现：在热门的 Muse 智能体中推动自家产品和方向，并在有用时拿下诸如美国开源权重领先者这样的胜利。无论它在财务上是否成功，这都是一个独特的视角，契合其作为一家企业的历史。
常常感觉哪家实验室在紧咬 Anthropic-OpenAI 领先双雄的位置上像走马灯一样轮换。长期来看，Gemini 和 xAI 是否出局尚不清楚，但这两家的产品 offerings 比今天的 Meta 混乱得多。如果你听过 Zuck 和 Alexandr Wang 在 The Cheeky Pint 上的访谈，他们显然对一个高所有权、每位研究员高算力的实验室有着非常具体的愿景，我预计这会带来回报。许多实验室死于层层官僚和对齐错位的激励。而 Alex Wang 有 200 多名直接下属——也就是说，这是一个管理层极少的非常扁平的组织——并且他们在持续发布非常稳定的模型和产品改进。
留下评论
我对构建模型的世界观很大程度上是：你需要资源、算力、数据和人才（这些都是大笔资金的下游），但把它们组织起来非常困难。Gemini 有时被描述为一个不可能完成任何工作或成长的地方——这夸大了问题，因为很多人喜欢在那里工作，但其中也有几分道理。层层管理很容易妨碍打造出伟大的模型。
虽然我今天在称赞 Meta，但 Llama 的失败常常被描述为那种管理方式走得太远，模型决策出于政治而非性能。xAI 则处在自己的轨道上，它可能更接近于人才流动过大，或者组织性不足以长期维持优秀模型。
当我们回顾过去几年，Meta、Gemini 和 xAI 都产出过几乎处于性能前沿的模型，但让 OpenAI 和 Anthropic 脱颖而出的是它们保持前沿地位的一致性。Anthropic 似乎是最有准备、最有组织的，对这些组织应该如何运作有清晰的计划和愿景，并由此取得了领先。OpenAI 则时冷时热，但设法在已部署模型的前沿保持跟进，同时是公开科学突破的领导者（从 Navier-Stokes 到 o1 的推理时间扩展）。
以下是本文所关注的公司目前的竞争格局，再加上代表整体领先开源权重模型的小米 V2.6 Pro。排名会是 Anthropic > OpenAI > Meta ~ Gemini > xAI ~ 中国开源权重 > 美国开源权重。
分享
给 AI 行业的开放问题
在长期预测前沿模型竞赛会变得过于昂贵、让许多玩家难以跟上之后，我们可能正在西方模型中看到这一局面成真。考虑到所有模型彼此之间如此接近，我们似乎离 RSI 带来的“一人通吃”还很远，但我们正在把美国能够竞争的实验室数量从一个充满惊喜的更大范围，收窄到 Anthropic、OpenAI、Meta、Gemini 和 xAI 这 5 家。如果微软开始发布模型——鉴于他们正在发布强劲的扩展科学成果——他们可能会加入这个名单，考虑到他们拥有超大规模业务的财务支持，以及可以直接获取 OpenAI 的知识产权用于训练模型。
我们从 Mistral、Nemotron、Reflection、Arcee 等“第三梯队”玩家那里见到的最佳模型，越来越难以对开源或闭源前沿产生影响。这些模型仍能获得可观的采用量，足以开始发展业务，但构建真正前沿模型的成本如今以每个主要模型数十亿美元计，只有巨型公司才能承受。
尽管资源规模如此庞大，行业的技术核心在预测一个模型在实际使用中会有多成功方面，命中率仍然不高。是的，评估是一个不错的替代指标，但为什么像 Anthropic 这样的领先实验室会从 Claude Fable 5 这样的热门模型，到 Claude Opus 5 彻底失败，然后又靠 Opus 5.5 回到热门？准确预测这一点蕴含着数十亿美元的商机，实验室们肯定也在努力，但这些模型在长尾层面从根本上仍然很大程度上不可知。
在仍留在竞赛中的所有玩家中，从长期角度看，由于 Meta、Gemini 和 Microsoft 拥有雄厚的资产负债表，在财务上押注它们要容易得多。这就是“AI 需要一段时间，而 OpenAI/Anthropic 并没有秘密配方”的视角。毕竟，这是有史以来收入增长最快的行业——竞争自然会极其激烈。
目前，Meta 的估值低于 2 万亿美元，而 Anthropic 正以相同价格逼近其声势浩大的 IPO。Meta 在同样的技术上似乎慢了半步，但从长期看，两者似乎从几乎相同的起点出发，而 Meta 拥有极其赚钱的核心业务。这两个估值中必有一个需要大幅修正。我和朋友们一直在琢磨的一个有趣思想实验是：你预计 Anthropic 在 2027 年 11 月的公开估值会是多少？2028 年呢？
发表评论
Meta 以及 OpenAI 和 Anthropic 的“竞争对手”们坚持得越久，围绕 AI IPO 的负面估值压力就会越大（更不用说还要把安全风险计入定价了）。身处绝对前沿可能既价值不菲，又在财务上动荡不安。时间会给出答案——我们知道市场可以长期保持非理性。
1Muse Wonder 和 Muse Wonder Full 大概是不同的预训练运行，Full 是更大的模型，但这一点并不明确，而这与 AI 行业命名糟糕的传统不相上下。考虑到最近关于循环架构的所有新闻，“full”有可能只是一个循环次数更多的版本，但我没有足够信心把这个假设写进正文。