8 月 10 日，Meta 发布开放权重模型 Muse Glimmer，一款可在单张显卡的 Mac 或 PC 上运行智能体任务的小型模型。同时，CEO 扎克伯格发表 14 页长文，公开呼吁美国减少开源 AI 政策障碍，以抗衡中国竞争对手。
与竞争对手的顶尖 AI 模型相比，Muse Glimmer 规模更小，定位也有所不同。它可以在只有一张显卡的 Mac 或 PC 上运行智能体任务，瞄准直接在个人设备运行 AI 的需求。
一个关键区别：
依赖数据中心，每次调用都需联网，延迟高，成本随规模线性增长。
数据不出设备，响应毫秒级，无需联网，隐私与成本优势明显。
Muse Glimmer 的发布意味着智能体能力正在从云端下沉到个人设备。过去需要调用云端大模型才能完成的复杂任务，如今在本地即可执行。
注：设备端模型指完全在用户本地硬件上运行的 AI 模型，无需联网即可执行推理任务，数据隐私和响应速度优于云端方案。
在发布 Muse Glimmer 的同时，扎克伯格发表了一篇题为《未来属于所有人》的 14 页长文，系统阐述了他对开源 AI 的立场。
核心观点直白而尖锐：
扎克伯格在文中写道：「认为 AI 危险到只有把权力高度集中起来才安全，这种想法本身就有问题。」他呼吁让 AI 得到广泛普及，而不是掌握在少数人手中。
他特别强调了三个具体政策方向：
扎克伯格坦言，与中国等国家相比，美国的一大劣势就是基础设施更难建设。如果美国企业希望在开放权重模型领域领先，就必须重新审视这些政策。
Meta 的这波动作并非凭空而来。去年 Llama 4 反响不佳后，Meta 被迫调整战略。去年重金组建的超级智能团队，被寄予重新追赶 AI 竞赛的厚望。
现在，Meta 不仅发布了 Muse Glimmer，还准备公开当前旗下最先进模型 Muse Spark 1.2 的权重。
这不是一个简单的产品发布，而是一个信号：Meta 正在从「以最大模型为中心」转向「小模型 + 本地运行 + 开放权重」的多层次战略。
一个诚实的注脚：
Muse Glimmer 的定位是「小型模型」，这意味着它在某些大规模任务上的能力必然逊于云端大模型。但它的优势在于可用性、隐私性和自主性——不需要调用 API、不需要传输数据、不需要担心服务中断。
答案藏在两个趋势的交汇点：
第一，硬件能力到了。消费级显卡和笔记本性能已经足够运行小型模型，推理效率大幅提升。
第二，开源生态成熟了。从 Llama 到 Muse，开源模型社区已经证明开放权重路线可以产生高质量模型，且社区贡献的价值远大于封闭路线。
扎克伯格在文中写道：「Meta 长期支持开放模型，也是少数将这一理念付诸行动的美国科技企业之一。」但 Llama 4 的失利也说明，开放不是终点——质量才是。
开源 AI 的下一场战争不在参数量，而在「可用性」——谁能让模型在用户自己的设备上稳定运行，谁就真正掌握了 AI 的普及权。
Muse Glimmer 模型权重已通过 Meta 官方渠道及开源社区开放，开发者可下载并在本地设备上运行。
Muse 开源社区 → 获取模型