Meta推出Muse Spark轻量模型 瞄准全场景AI应用部署

Meta超智能实验室近日发布团队重组后的首款AI模型Muse Spark，该模型主打轻量化、低延迟特性，参数规模仅为同级别通用生成式大模型的30%，推理速度提升超200%，可适配移动端、云侧等多端部署需求，为企业平衡AI落地的成本、性能与易用性提供了新的技术选项。

从官方披露的测试数据来看，Muse Spark在代码生成、内容创作、多轮对话等核心任务上的表现，已经达到了通用7B参数模型的92%水平，但运行所需的算力成本仅为后者的27%，延迟降低近70%，完全可以满足绝大多数消费级应用和企业内部系统的AI功能需求。

过去两年，生成式AI的技术迭代始终围绕“参数规模扩张”展开，从百亿级到万亿级参数的大模型层出不穷，但在实际落地过程中，高昂的算力成本、过高的响应延迟、端侧适配难度大等问题，已经成为阻碍AI功能普及的核心障碍。

不少企业开发者反馈，调用通用大模型API开发功能时，单次响应时间往往超过3秒，难以满足实时交互需求，而私有化部署大模型的前期投入动辄超过百万，中小团队根本无力承担。市场对“够用、好用、成本可控”的轻量化AI模型的需求正在快速攀升。

今年早些时候，Meta对旗下AI业务进行了大刀阔斧的重组，整合了原有的FAIR基础研究实验室和生成式AI产品开发团队，成立了**Meta超智能实验室**，由Meta首席AI科学家杨立昆牵头负责，核心目标就是加速AI技术的产品化落地。