Meta把4000亿参数模型开源后,这次又憋了2个新招

去年4月，Meta甩出Llama 4 Maverick时，开源社区愣了一下——4000亿参数、混合专家架构、128个神经网络各司其职，这配置放在闭源阵营也是顶配。结果不到一年，风向变了。彭博社去年12月爆料，Meta打算把下一代大模型收进围墙。今天Axios的消息又打了个回旋镖：闭源归闭源，开源版还是会有的，只是要"晚些时候"。

这种反复横跳，像极了产品经理在OKR和用户体验之间的经典拉扯。

Meta内部给两个新项目起了水果代号：大语言模型叫Avocado，多媒体生成器叫Mango。今年都会亮相。Axios的信源说，开源版本会从这两个项目里"衍生"出来，但具体阉割多少、什么时候放出来，全是问号。唯一确定的是，Meta想把模型"尽可能广泛地撒到全球"——这话听着像战略，更像给监管机构和开发者社区同时递话。

开源版会缺什么？三种阉割方案

Llama 4 Maverick不是单一神经网络，而是128个"专家"组成的联邦，每个专精不同任务。这种架构的好处是灵活：推理时只激活部分专家，省算力。但坏处也明显——想阉割开源版，Meta至少有三种手术刀可选。

第一种是拆专家。直接把某些神经网络从开源版里拿掉，比如专门处理网络安全代码的那部分。Axios的报道提到，AI安全是阉割的核心理由之一，而Anthropic的Claude 4.6 Opus已经在开源项目里挖出了数百个关键漏洞。Meta显然不想把造武器的手册和武器本身一起开源。

第二种是砍参数。4000亿变成2000亿，或者更低。参数规模直接决定模型能吃下多少知识，也决定了它需要多少显存。很多前沿模型跑不动个人电脑，不是因为算法不行，是硬件门槛太高。

第三种是跳过训练后阶段。大模型训练分几步：预训练喂海量数据打基础，然后才是对齐人类偏好、强化学习等"后训练"。开源社区常见的套路是放出没做后训练的"裸模型"，让开发者自己微调。成本低，但翻车风险也高。

Meta到底选哪几种组合，Axios没挖到。但"不会包含闭源版的全部功能"这句话，基本等于预告片里"最终效果以实物为准"的小字。

为什么非要"双轨制"？

闭源卖API，开源换生态，这套打法Meta不是第一个玩的。但Llama系列的特殊之处在于，它已经成了开源大模型的默认选项。Hugging Face上下载量最高的基础模型，Llama家族常年霸榜。这种影响力换算成商业术语，叫"开发者心智份额"。

但开源的代价也很实在。去年Llama 4 Maverick发布时，Meta估计烧掉了数十亿美元训练成本，换来的直接收入是零。云服务厂商倒是赚得盆满钵满——AWS、Azure、Google Cloud把Llama封装成托管服务，Meta一分钱抽成拿不到。

闭源版Avocado和Mango的商业模式，大概率要补这个窟窿。企业客户为API调用付费，按token计价，现金流清晰可预测。开源版则继续当"鱼饵"，钓开发者、钓学术论文引用、钓下一代工程师的职业习惯。

Axios的信源还透露了一个细节：Meta不指望新模型"全面碾压"竞争对手。Anthropic和OpenAI的旗舰产品也在路上，三家撞档几乎是定局。Meta的打法是找"多个强项领域"切入消费者市场——翻译成人话就是，不拼通用能力，拼特定场景。

个人健康和家庭场景被点名，这俩领域的共同点是数据敏感、监管严格、用户付费意愿模糊。闭源模型可以签企业级协议、过合规审计，开源版放出去就是裸奔， liability（法律责任）算不清。

硬件效率可能是隐藏王牌

Axios的报道里埋了一个容易被忽略的线索：Meta可能在优化模型的硬件效率。前沿LLM跑不动个人电脑，是行业公开的秘密。GPT-4级别的模型，本地部署需要专业级显卡，消费级硬件连门槛都摸不到。

但"跑在本地"这件事，对特定用户群有致命吸引力。企业怕数据泄露，开发者怕API限速，极客纯粹嫌订阅费贵。如果Meta能把Avocado的开源版压缩到单张消费级显卡可运行的规模，哪怕智商打七折，也会有一群人抢着用。

这步棋的参照系是苹果。M系列芯片的神经网络引擎，本质上就是在赌"端侧AI"的未来。Meta没有自己的操作系统和芯片，但它有Llama的品牌和开发者社区。把模型做小、做快、做省电，可能是它唯一能打的差异化。

当然，"硬件效率"也可能是烟雾弹。Axios的原话是"It's also possible"，信源自己都不确定。但在这个时间点放出这种风声，至少说明Meta内部有人在押这个方向。

时间线里的不确定性

Avocado和Mango今年发布，开源版"eventually"推出。这个模糊的时间副词，在科技报道里通常意味着"我们也不知道，或者知道但不能说"。

更微妙的变量是监管。欧盟AI法案把通用大模型分成不同风险等级，开源模型的责任归属至今扯皮。美国这边，特朗普政府的态度比拜登时期宽松，但州层面的立法在加速。Meta的"广泛全球分发"野心，撞上国别监管的高墙，是迟早的事。

另一个不确定是社区反应。Llama 4 Maverick的开源许可证已经引发过争议——商业使用有限制，修改后必须同样开源。这种"传染性开源"条款，让部分企业望而却步。Avocado和Mango的开源版如果沿用类似条款，生态扩张的速度会打折扣。

但反过来看，如果Meta突然转向Apache 2.0之类的宽松许可，又会被解读为"闭源版要收网了，开源版只是弃子"。信任这东西，建立三年，毁掉一句话。

竞争对手在干什么

Anthropic的Claude 4.6 Opus已经在代码安全领域建立了口碑，发现漏洞的能力被多家安全公司验证。OpenAI的GPT-5传闻不断，Sam Altman在X上的预告越来越像行为艺术。两家都是闭源路线，API定价一个比一个贵。

开源阵营这边，Mistral和DeepSeek在追赶，但Llama的生态惯性太强。Hugging Face的模型hub上，基于Llama微调的变体超过十万种，从医疗问诊到占星算命无所不包。这种网络效应，不是单纯的技术指标能衡量的。

Meta的双轨策略，某种程度上是在两边下注。闭源版去企业市场抢预算，开源版守住开发者基本盘。风险在于，如果两个版本差距太大，社区会质疑开源的诚意；如果差距太小，企业客户凭什么付费。

这个平衡木，OpenAI和Anthropic不用走——它们根本没有开源版。Meta的选择题更复杂，但选项也更丰富。

Axios的报道结尾处，信源提到Meta认为新模型会有"areas of strength"吸引消费者。没有具体举例，但结合前文提到的个人健康、家庭场景、硬件效率，拼图已经隐约可见：一个更轻、更快、更私密的AI，可能以你意想不到的方式出现在你的手机里。

至于它能不能真的"广泛分发到全球"，或者会不会在半路被某个国家的防火墙拦下，答案大概要等到"eventually"变成具体日期那天才知道。你更想先用上哪个——能本地跑的"缩水版"，还是功能完整但得联网的"完整版"？