Meta推出開放權重模型Glimmer,Zuckerberg再喊「AI為每個人」——但Muse Spark仍鎖在API後

Zuckerberg口中的「為每個人」具體指什麼?

根據TechCrunch報導,Mark Zuckerberg近期發布一封主張AI應該「為每個人所用」而非被少數實驗室壟斷的信件,全文長達6500字,被形容為一份「宣言」(manifesto)。

根據Inside.com.tw報導,這份宣言具體提出:個人AI代理應該「全天候為你運作,改善你的人際關係、健康、職涯、財務、居家管理、興趣愛好」,而且Zuckerberg主張要讓所有人「免費或以低廉的價格取得」這樣的AI代理。換句話說,「為每個人」在Zuckerberg的論述中,指的是AI代理服務的可及性與低成本,而非單指模型本身開放與否。

Glimmer如何體現「為每個人所用」?開放權重與可及性

根據TechCrunch報導,Meta本週發布Glimmer,一款「任何人皆可下載並在自有硬體上執行的開放權重AI模型」。

根據Inside.com.tw報導,這款模型的完整名稱為Muse Glimmer,於8月10日發布,參數量300億,採Apache 2.0授權,開發者可自由下載、修改、商業應用。Glimmer是從Meta閉源旗艦模型Muse Spark蒸餾而來,硬體門檻被刻意壓低,量化版本只需24GB VRAM即可在個人電腦或Mac上本機執行完整的AI代理任務。

Meta並提供兩種量化版本供不同硬體條件的使用者選擇:

兩種版本的效能降幅都在個位數百分比以內,顯示Meta在「降低硬體門檻」與「維持效能」之間做了取捨,以支撐「任何人可在自有硬體執行」的可及性訴求。

開放模型Glimmer與專有模型Muse Spark並存:Meta的雙軌策略

根據TechCrunch報導,Glimmer的開放形成一種對比:Meta更強大的模型Muse Spark,「仍鎖在自家API之後」(stays locked behind its own APIs),並未隨Glimmer一起開放權重。

根據Inside.com.tw報導,Meta同步預告,將在數週內開放更大型旗艦模型Muse Spark 1.2的權重。也就是說,截至Glimmer發布當下,Meta採取的是「先開放蒸餾版、旗艦版稍後跟進」的雙軌節奏,而非一次到位全面開放。

Glimmer的實際能力與限制:能否真正為「每個人」所用?

根據Inside.com.tw報導,Glimmer在推論速度上採用名為DFlash的塊擴散草稿機制,單次前向傳播可預測16個token。實測數據顯示:RTX 5090在優化後達每秒233.4個token,是基礎速度的3.1倍;Apple M5 Max則達每秒50.2個token。

在基準測試方面,Inside.com.tw報導列出以下數據:

另外,Glimmer在AIME 2026數學測試達94.7分,SWE-Bench Pro軟體工程評測得分51.2。整體而言,Glimmer在MCP Atlas上優於同量級的Gemma4-31B與Qwen3.6-27B,但在桌面操控任務OSWorld上落後Qwen3.6-27B(65.9對75.6),Inside.com.tw報導直接指出這代表Glimmer「不是全能」。

與過去立場的矛盾:從「開源風險太高」到擁抱開放權重

根據Inside.com.tw報導,去年底Meta曾計劃以代號「Avocado」的專有模型取代Llama路線,當時Zuckerberg給出的理由是「開源風險太高」。這與Meta如今發布開放權重Glimmer、並主張AI應「為每個人所用」的立場,形成時間序列上的落差:同一位執行長,在不到一年內,從主張收回開放路線,轉為公開擁抱開放權重模型。

Glimmer發布的產業背景與業界討論

根據TechCrunch報導,Glimmer的發布與Zuckerberg的6500字宣言,是TechCrunch Equity節目本週討論的焦點之一。該節目由Kirsten Korosec、Anthony Ha、Rebecca Bellan三位主持人共同主持,除了Glimmer與Zuckerberg的宣言之外,同一集也討論了AI產業能源需求的真實成本,以及一起金額達2.5億美元的收購案失敗事件,顯示Glimmer發布當週,AI產業討論的議題並不只限於模型本身。

這代表什麼

把前述證據放在一起看,會出現一個張力:Zuckerberg主張AI應該「為每個人所用」,而Meta實際開放權重、任何人可下載執行的,是從旗艦模型蒸餾而來的Glimmer(300億參數,24GB VRAM可跑),真正「更強大」的Muse Spark當下仍鎖在API之後,僅預告數週內才會開放後續版本Muse Spark 1.2的權重。同時,Glimmer本身在OSWorld桌面操控任務上的表現(65.9)也落後於Qwen3.6-27B(75.6),並非在所有基準測試上都占優。再往前追溯,Meta去年底才以「開源風險太高」為由計劃改走專有模型路線,如今卻轉向開放權重——這些時間序列上的事實,共同構成了「為每個人」這個說法與Meta實際部署節奏之間的落差。