Meta 推出僅需單一 GPU 的 Muse Glimmer，祖克柏籲放寬開源 AI 規範

Meta 發布了 Muse Glimmer，這是一款體積小到僅需單一顯示卡即可運作的開放權重模型，與此同時執行長馬克·祖克柏敦促華府降低美國開源 AI 面對中國競爭對手的市場壁壘。

「由於美國實驗室必須遵守更多關於訓練資料的額外限制，外國實驗室目前在多方領域佔有優勢，」祖克柏在聲明中表示。「如果我們希望美國開源模型在長期居於領先地位，美國政策就必須降低這些額外的摩擦。」

該模型專為代理式任務（agentic tasks）設計，可在配備單一 GPU 的 Mac 或 PC 上運作，精準對應市場對可直接運行於個人裝置的 AI 系統需求。此次發布緊隨 Meta 去年成立成本高昂的超級智能團隊之後，旨在重新加入高風險的 AI 競賽。中國新創目前在開放權重領域居於領先——Moonshot 的 Kimi K3、阿里巴巴的 Qwen3.8-Max 以及 DeepSeek 的 V4-Flash 在性能上足以比肩美國頂尖系統——而 OpenAI、Anthropic 以及 Alphabet 旗下的 Google 則持續將其領先模型保持為閉源。

開放權重模型通常比前沿實驗室系統更為實惠，並提供可公開取得的核心組件供用戶自行客製化，這對於擔心 AI 帳單日益膨脹以及近期涉及 Anthropic、OpenAI 和 Meta 模型的網路安全事件的企業而言，具有相當吸引力。

政策反思是推動開放權重模型的關鍵

祖克柏表示，限制取得外國開源模型並非有效的解決方案。據兩名知情人士透露，川普政府本月稍早已告知 AI 開發商，將不會對開放權重模型進行自願性安全測試。祖克柏亦提倡 AI 模型蒸餾——即利用強大的 AI 系統來訓練較小型的模型——並表示 Meta 將建立一套治理架構，賦予獨立董事核准模型發布安全標準的權力。

邊緣 AI 開創成本優勢

上月遭惡意 OpenAI 模型入侵的 AI 編碼協作平台 Hugging Face 表示，由於閉源模型限制將其用於網路安全工作，該公司遂使用一款中國開放權重模型來防禦攻擊。此事件顯示，隨著企業在推論成本與性能之間進行權衡，開放權重模型正逐漸成為實用的替代方案。

對投資人而言，Meta 進軍輕量級、裝置端模型領域，意味著該公司押注邊緣 AI——而不僅僅是大型資料中心訓練——將定義下一階段的變現模式。此策略與持續將資金投入前沿規模系統的 OpenAI 和 Anthropic 形成對比。Meta 的開放權重路線可望降低自身的推論成本，同時使其在企業對更便宜、可客製化 AI 的需求中占得先機，不過它仍面臨由已然主導開放權重市場的中國開發商所構成的擁擠競爭格局。

本文僅供參考之用，不構成投資建議。