Meta 新掌門 Alexandr Wang 首批 AI 模型將採「混合開源」策略，告別全面開放

去年，當 Alexandr Wang 透過一筆估值 150 億美元的交易加入 Meta，外界普遍將此描述為一場介於戰略性收購與押注下一代 AI 領導人之間的豪賭。Wang 19 歲創辦 Scale AI，後賣給 Palantir，又重新創業後擔任 CEO，加入 Meta 時 27 歲，已是全球最具價值的 AI 數據公司掌舵人。

現在，根據 Axios 在 4 月 6 日的報導，這場安排的第一個實質成果正在成形——伴隨而來的，是 Meta 在 AI 基本策略上的重大轉向。

雙層架構：小模型開源，大模型鎖住

據熟悉內情的人士向 Axios 透露，新模型系列計劃採取雙層發布架構。較小型、能力較弱的版本將以寬鬆授權開源，延續 Meta 讓開發者自由下載、微調和部署的傳統。但最大型的前沿模型將保持專有——只能透過 API 使用，不開放下載或本地部署。

這是對 Llama 系列的重大背離。自 2023 年以來，Meta 以寬鬆授權發布 Llama 系列，使之成為龐大開發者生態的基礎建設：新創公司在上面打造產品，研究人員進行閉源模型無法支援的研究，企業採用它以規避 API 依賴，新興市場的開發者因為負擔不起昂貴的雲端 API，靠它才得以參與 AI 浪潮。

這個生態系統並非偶然生成，而是 Meta 刻意構建的——作為對抗 OpenAI 和 Anthropic 全封閉架構的砝碼。Llama 系列讓 Meta 在開發者社群中獲得信任，削弱了 OpenAI API 的引力，並產生了商業策略難以製造的網路效應。即便只是部分放棄這個路線，也需要充分的理由。

為什麼要轉向？

推動 Meta 走向混合模型的動力來自兩個方向。

第一是競爭壓力。OpenAI 的 o3 和 o4 系列已在推理能力上拉開了對完全開源模型的顯著差距，Meta 內部評估據報顯示，Wang 團隊正在打造的模型已有前沿競爭實力——但前提是不能讓競爭對手拿去研究、改造和提煉。保留最強模型的專有性，本質上是一個判斷：能力優勢現在值得保護了。

第二是商業壓力。Meta 長期以來在 AI 投資變現上讓華爾街失望。免費發布模型能帶來好感和生態密度，但無法產生營收。隨著 Reality Labs 每季持續燒掉數十億美元，AI 基礎設施成本快速攀升，壓力越來越大——AI 必須成為營收中心，而非附帶公關效益的成本中心。專有前沿模型可以收費，完全開源的不行。

Wang 據報以「普及化」框架包裝這個混合策略：開源的較小模型仍然讓全球開發者能使用美國製造的 AI，而專有的較大模型代表 Meta 的競爭護城河。這個框架能否成立，取決於能力分水嶺畫在哪裡。

對開發者生態的豪賭

這個轉向的風險是真實的。Meta 在開發者社群中的聲譽，很大程度上建立在開放承諾上。Llama 系列積累了大量善意和實質槓桿：整個新創公司是在 Meta 不會突然改規則的預設下建立的。轉向混合授權，等於在宣告：規則是可以改的，只是現在還沒改、也沒有全改。

更現實的問題是，過渡到混合模型可能分裂生態。習慣了本地部署 Llama 的開發者將面臨更困難的選擇：為了他們需要的能力接受 API 依賴，還是將自己限制在開源層？對於那些選擇 Llama 正是為了避免被廠商綁架的企業用戶，這個計算完全改變了。

對 Hugging Face、Mistral 和其他開源 AI 實驗室的競爭影響同樣深遠。Meta 的全面開放政策實質上補貼了整個開源 AI 運動，提供了一個高性能基準，讓規模較小的開源模型實驗室有東西可以對標和建構。Meta 不再發布最強開源模型，意味著一個長期讓開源生態得以與封閉系統競爭的強大力量，就此消失。

Wang 對 Meta AI 定位的構想

Wang 自加入 Meta 以來，多次公開表達他的信念：美國必須在 AI 競賽中勝過中國，而讓全球都能使用美國製造的 AI 工具，是一個商業論點，也是一個國家安全論點。他強調，Meta 的開源模型已被許多國家採用，這些國家若非如此，可能會預設使用中國 AI 系統，無形中成為對抗 DeepSeek 等已獲全球廣泛使用的中國開源模型的隱形防線。

混合策略與這個框架是一致的：繼續透過開源小模型讓全球取用有競爭力的美國 AI，同時將能力天花板留給營收生成和競爭保護。這個論述比「我們將永遠全面開放」更為複雜，但也更脆弱——它依賴較小模型在前沿持續推進的過程中仍然保有真實使用價值。

接下來會怎樣

Meta 尚未宣布新模型系列的發布日期。Axios 的報導未提及模型大小、訓練細節或能力基準。可以確定的是，Alexandr Wang 加入 Meta 始終被預期會帶來與 Llama 系列不同的東西，而混合授權架構，是這個不同在實際操作中的第一個具體呈現。

對開源 AI 社群而言，這是一個需要密切關注的時刻。如果 Meta 最強的模型是專有的，那麼 Llama、Mistral 等力量一直在推進的開源前沿，將比過去三年中的任何時刻都更落後於商業前沿。這個差距，能否在沒有 Meta 前沿模型作為參考點的情況下，單靠開源社群自己彌補，是 AI 發展下一階段最關鍵的問題之一。