Meta 通过发布消费级本地智能体模型 Muse Glimmer 30B 并回归开放权重路线，借助扎克伯格的万字长文系统性地批评竞争对手的封闭策略，主张个人智能体、开源安全与蒸馏合法，同时面临基础设施建设成本与社区对硬件门槛的质疑。
Muse Glimmer 是 Meta 战略转型后首款开源模型，拥有 300 亿参数，专为持续运行的本地智能体工作流优化，可在单张消费级 GPU 上运行。
量化后内存占用：模型通过约 4 bit 量化，将内存需求从 55GB 以上压缩至 20GB 以内，KV 缓存、图像感知编码器与推测解码模块可共同运行在 24GB 或 32GB 内存环境。适配消费级设备，降低本地部署门槛。
配备基于 DFlash 的轻量级草稿模型，在 RTX 5090 上解码速度提升约 3.1 倍，在 M5 Max 和 M4 Max 上分别提升约 1.8 倍和 1.5 倍。所有计算可在本地设备完成。
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。
Meta 内部将 Muse Glimmer 与 Gemma4-31B 和 Qwen3.6-27B 进行了多种基准测试对比，但未公布具体分数，引发社区对对比公平性的讨论。
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。
Qwen3.6 27B 是编程中常用的中型模型，能战胜它绝非易事。
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。
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。
扎克伯格批评竞争对手的封闭路线，并以 Hugging Face 为例说明开放模型更安全；明确支持蒸馏技术，认为不应禁止个人和企业使用外国开放模型。
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。
用于论证美国需加快能源设施和数据中心建设，并继续通过芯片出口管制减缓竞争对手的发展。
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。
Meta 上个月披露 AI 基础设施支出导致自由现金流下降 91%，股价累计下跌近 20%，但公司仍继续投入数十亿美元建设数据中心，并设立 10 亿美元社区基金。
自由现金流与股价变化：AI 基础设施支出导致 Meta 自由现金流下降 91%，股价一度下跌近 8%，过去一年累计下跌近 20%。反映市场对巨额 AI 投入的担忧。
并非每个人都负担得起 24GB 内存设备。
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。
扎克伯格通过长文和模型发布，明确提出 Meta 将坚持开放权重、支持蒸馏、反对集中化，但社区对硬件门槛、基准测试透明度以及 Meta 自身财务压力存在合理质疑。文章整体呈现了技术路线与商业策略的复杂交织，开放与安全、成本与价值之间的张力成为核心议题。
Muse Glimmer 的发布标志着 Meta 在开源 AI 战略上的重大回归，扎克伯格的长文系统性地提出了对抗闭源路线的意识形态框架。然而，模型的实际竞争力需更多独立基准验证，而本地部署的硬件门槛与 Meta 的财务压力可能削弱其"普惠 AI"叙事。短期内，该事件将加剧行业关于开放 vs 封闭、蒸馏合法性、出口管制与安全治理的辩论。