meta近日推出全新生成式模型Muse Spark，這款定位高效率與個性化的多模態模型，支持文本、圖像等跨領域理解，并深度整合至Facebook、Instagram、WhatsApp等自有產品體系。與以往Llama系列不同，Muse Spark首次采用閉源策略，引發行業對AI模型發展路徑的激烈討論。這一轉變被視為meta在開源與閉源戰略間的重大調整，其背后折射出整個AI產業對技術路線選擇的深層思考。

過去兩年，大模型競爭以參數量、算力投入和訓練數據規模為核心指標。以OpenAI、Anthropic為代表的閉源陣營，憑借商業化優勢占據先機。但2025年以來，DeepSeek、阿里Qwen、月之暗面Kimi等開源模型快速崛起，在推理能力、成本控制和部署靈活性上實現突破。這些模型通過開放技術報告、模型權重和開發許可，顯著降低企業自建模型門檻，推動行業形成"開源即基礎設施"的新認知。

開源模型的沖擊首先體現在技術壟斷的瓦解。DeepSeek-R1以不足600萬美元的構建成本和29.4萬美元的訓練費用，證明高性能模型無需巨額投入。其完全開源策略引發連鎖反應，直接導致英偉達市值單日蒸發5930億美元。阿里Qwen通過持續更新不同尺寸、模態的模型家族，在Hugging Face平臺累計下載量突破7億次，構建起全球最活躍的開源生態之一。月之暗面Kimi2.5則將多模態能力與工具調用深度融合，使模型能同時處理復雜任務流，進一步縮小與閉源模型的差距。

商業模式的差異成為開源與閉源陣營的核心分歧。閉源玩家通過API調用、訂閱服務和企業定制實現直接盈利，OpenAI年化收入在2026年1月突破200億美元，Anthropic企業客戶收入占比達80%。這種"交鑰匙"方案雖價格較高，但提供開箱即用的完整服務。相比之下，開源模型的盈利路徑更為分散，主要依賴云服務、工具鏈和企業定制開發，但賦予用戶更大的改造空間。meta的Llama系列雖獲得開發者廣泛支持，卻未能轉化為顯著商業回報，這成為其轉向閉源的關鍵動因。

技術成熟度與產品化程度的差距仍在影響企業選擇。盡管開源模型能力已接近閉源水平，但多數仍需企業自行部署和二次開發。閉源模型則提供標準化服務，在醫療、金融等對穩定性要求極高的領域具有優勢。meta的Muse Spark特別強調與社交平臺數據的深度整合，這種定制化需求使其更適合閉源開發。馬斯克對Grok模型采取的"迭代開源"策略——在新版本發布后開放舊版本——也反映出頭部企業對核心技術的保護意識。

行業領袖對技術路線的公開表態加劇了這場爭論。百度CEO李彥宏早在2024年就斷言開源大模型商業化價值有限，強調閉源模型在算力投入和人才儲備上的持續性優勢。這種觀點在2025年6月文心4.5開源后遭遇挑戰，但確實反映出閉源陣營對技術可控性的重視。不同技術路線正在形成差異化競爭：開源模型推動技術普惠，閉源模型保障服務品質，兩者在特定場景下呈現互補關系。

當前AI模型競爭已超越單純的技術優劣，演變為生態構建與商業模式的全面較量。開源陣營通過降低創新門檻吸引開發者，閉源陣營則依靠完整服務鏈鞏固企業客戶。meta的戰略調整揭示，即使是開源運動的早期推動者，也不得不在商業現實與技術理想間尋找平衡點。這場爭論沒有標準答案，但可以確定的是，兩種模式將在長期共存中持續塑造AI產業的未來格局。