轉戰閉源遇挑戰：消息稱 Meta 一再推遲上線 AI 模型 Muse Spark
重點摘要
根據《華爾街日報》報導，Meta 公司最強 AI 模型「Muse Spark」開發遭遇阻礙，已多次延後上線時程。截至目前，該模型仍未對開發者開放 API 進行調用。
## 轉戰閉源遇挫！Meta最強AI模型「Muse Spark」API三度延期，開發者期待落空
Meta全力押注的閉源AI模型Muse Spark，再度傳出上線卡關的消息。根據《華爾街日報》6月3日的報導，Meta這款被寄予厚望的模型，向開發者開放API的計畫已多次推遲，至今仍無確切的發布時間表。這不僅讓開發者社群感到不耐，也為Meta將鉅額AI投資轉化為實際收入的願景蒙上一層陰影。
### Muse Spark的背景：從廢墟中重建的閉源旗艦
要理解這次延遲的嚴重性，得先回顧Muse Spark的誕生背景。這款模型於2026年4月8日正式發表，是Meta旗下「超級智能實驗室」成立九個月以來的首個產品。該實驗室由Meta以約143億美元天價延攬前Scale AI執行長汪滔領軍，目的就是要徹底扭轉Meta在AI競賽中的劣勢。
在此之前，Meta的開源模型Llama 4曾爆發基準測試作弊的爭議，聲譽嚴重受損，導致團隊被全面整頓、路線被迫轉向。Muse Spark正是這場「砍掉重練」之後的第一張成績單，也是Meta從長期高舉開源大旗，轉向閉源商業化路線的關鍵標誌。從基準測試來看，Muse Spark在多項指標上與OpenAI的GPT-5.4、Google的Gemini 3.1 Pro互有勝負，特別是在多模態理解與健康領域表現突出，但整體仍被第三方平台評為業界第四名。
### 一再延遲：從4月到6月，開發者仍在等待
這款象徵Meta策略轉向的旗艦模型，在上線過程中卻是一波三折。知情人士透露，Meta原本預計在4月推出Muse Spark時，同步向開發者開放API，但測試過程中發現漏洞，加上基礎設施仍有待補強，導致時程從4月延到5月，再從5月延到6月。到了6月初，官方仍舊拿不出確定的發布日期。
諷刺的是，Meta AI負責人汪滔在4月發布模型時，曾在社群平台X上宣稱「Muse Spark API即將推出」，如今這句話說出口已將近兩個月，開發者只能繼續等待。TechNews的報導以「開發者耐心快磨光了」來形容這股日益升高的不滿情緒。
對於一再延期的質疑，Meta發言人向路透社回應表示，公司已與部分早期合作夥伴開始測試API，並「期待在本月正式發布」。然而在官方給出具體日期之前，市場與開發者社群仍傾向以保留態度觀望。
### 閉源轉向的商業化考驗：API為何如此重要？
外界之所以高度關注這次API延遲，與Meta策略轉向的本質有直接關係。與過去開源的Llama系列不同，Muse Spark採取閉源路線，意味著模型的核心權重和技術細節不對外公開。在此模式下，開發者要使用這款模型的唯一途徑，就是透過API調用。換句話說，API不只是個「附加功能」，而是Meta從開源社群貢獻者轉型為AI服務供應商的關鍵門戶。
如果API無法如期上線，Meta不僅難以向開發者生態證明模型的實用價值，也無法展開後續的收費商業模式。而華爾街更關注的是：Meta過去一年在AI基礎設施上投入的鉅額資本支出，究竟要等到何時才能開始產生具體回報？每一次的延遲，都意味著投資人期待的AI營收成長時間點往後推遲。
### 組織整頓與人才競爭的內耗代價
Muse Spark的難產，也反映出大規模組織重組所伴隨的陣痛。汪滔在4月發布時曾坦言，過去九個月團隊「從一片空地上」重新建構了整個AI系統框架與算力基礎設施，推翻了過往的諸多做法。這種從無到有的重建，雖然帶來了全新技術架構，卻也讓團隊在整合、測試與基礎設施擴建等環節耗費了超乎預期的時間。
知情人士指出，本次延期的主因包括測試階段發現的漏洞，以及基礎設施仍需進一步擴充。換句話說，即便模型本身在基準測試中交出亮眼的成績單，但要將其打造成穩定、可規模化對外服務的產品，Meta顯然還有一段路要走。這也凸顯了AI實驗室與商業產品之間的巨大鴻溝——光有強大的模型遠遠不夠，從模型到服務的每一步都可能成為卡關的節點。
### 競爭加劇與市場壓力
延期的時間點，對Meta來說格外敏感。Google已將Gemini模型全面整合至搜尋與雲端服務，OpenAI正準備進行首次公開募股，持續推出更新，連SpaceXAI也以合併後的巨大估值準備加入戰局。在競爭對手頻頻出招之際，Meta的API一再跳票，無疑讓外界對其執行力產生更多質疑。
而更根本的挑戰在於，Meta過去長期以開源路線吸引開發者，Llama系列累積了龐大的社群基礎。如今轉向閉源後，能否說服這些開發者付費使用Muse Spark的API，本身就是一項艱鉅的任務。現在API又遲遲無法上線，等於連說服的機會都還沒來得及創造，就已經讓不少開發者失去耐心。
### 讀者可以關注的後續發展
關於Muse Spark的後續進展，有幾個方向值得持續追蹤。首先是Meta是否能在6月內如期推出API，這將是檢驗官方說法能否兌現的第一個指標。其次，API正式上線後的定價策略與使用門檻，將直接反映Meta在閉源商業化路線上的實際意圖。此外，Muse Spark下一代版本的開發進度，也是Meta能否逐步補齊與第一梯隊差距的關鍵觀察點。最後，投資人與市場對Meta AI支出回報的檢驗力道，可能會隨著延遲次數增加而持續升溫。
對台灣讀者而言，這場AI大廠的策略轉折與產品延遲，也提醒了我們：在追求模型性能突破的同時，從實驗室到商業應用的落地能力，往往才是決定成敗的真正戰場。
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。