> **来源：[研报客](https://pc.yanbaoke.cn)** ```markdown # 文档总结：Meta推出闭源模型Muse Spark ## 核心内容 Meta于4月8日发布了闭源AI模型Muse Spark，这是其Superintelligence Labs在Alexandr Wang加入后推出的首个成果。该模型在Artificial Analysis Intelligence Index中获得52分，排名第四，接近GPT-5.4和Claude Opus 4.6的水平。此次发布标志着Meta从长期开源策略转向闭源模式，强调将模型能力整合进自身产品生态，以构建AI的长期护城河。 ## 主要观点 - **战略转变**：Meta首次将模型能力闭源，标志着其从开源旗手转变为注重内部生态和商业变现的AI企业。 - **商业逻辑**：Meta的AI模型核心价值在于提升广告转化率和用户停留时间，而非API收入。其商业模式依赖于庞大的用户基数和数据飞轮效应。 - **产品设计**：Muse Spark特别设计了shopping mode，将大语言模型与用户行为数据结合，这种能力OpenAI难以复制，因为其缺乏Meta级别的社交数据。 - **技术路线**：模型采用Contemplating模式，通过多个agent并行推理实现低延迟和高效果，表明其面向大规模服务的优化方向。 - **优势与短板**：在健康场景中表现突出，HealthBench Hard得分达42.8%，但在coding和agent任务上仍有差距，Terminal-Bench 2.0得分仅59，远低于GPT-5.4的75分。 ## 关键信息 - **Muse Spark的发布背景**：为应对Llama 4的benchmark造假问题，Meta选择闭源并投入新实验室，以提升模型质量与商业价值。 - **用户基数优势**：Meta拥有30亿月活用户，这为其AI模型的商业化提供了坚实的基础。 - **商业化路径**：Meta不依赖API收入，而是通过广告和用户行为数据提升模型的商业价值。 - **技术验证**：Muse Spark验证了模型能力达到一定水平后，分发能力和数据飞轮才是关键变量。 - **风险提示**：AI发展不及预期、数据中心建设放缓是潜在风险。 ## 产品与技术亮点 - **健康场景表现**：在HealthBench Hard测试中表现优异，得分42.8%，领先于竞争对手。 - **购物模式创新**：将LLM与用户行为数据结合，强化购物推荐与转化能力。 - **并行推理架构**：Contemplating模式通过多agent并行推理，实现与单agent相当的延迟，但效果更优。 ## 未来展望 Meta正在探索一条不同于实验室派的AI变现路径，专注于消费者场景的深度整合。若能在未来几个季度弥补coding和agent任务的短板，其企业端的潜力或将逐步显现。然而，Llama 4的benchmark争议仍可能影响市场对其模型的信任度。 ## 风险提示 - AI技术发展可能不及预期，影响模型竞争力。 - 数据中心建设放缓可能限制模型的扩展能力。 ## 分析师信息 - 姚书桥（SFC HK执业证书编号：BRZ136） - 吴叡霖 ## 免责声明 本报告仅作参考，不构成投资建议。投资涉及风险，海通国际不保证信息的准确性与完整性，亦不对因此产生的损失承担责任。 ```