微软Meta同日发布新模型，为何企业级AI才是真正焦点

本周AI圈的热闹属于Muse的Wonder系列和Google的Gemini 4 Argon，但据AI Daily Brief在视频中的判断，真正值得企业关注的，反而是周四微软和Meta那两场几乎没登上热搜的发布。没有刷新SOTA的基准测试，也没有引发X上的狂欢，它们解决的却是当下企业用AI最现实的两个问题：成本与主权。

微软MAI Base 2：一次"迟到"的前沿预训练

微软AI CEO Mustafa Suleiman在内部town hall上透露，新发布的MAI Base 2是一个2.8万亿参数的基座模型，采用MoE架构，激活参数800亿，与Kimi K3规模相当。这是一次完全从零开始的预训练，没有蒸馏任何其他模型。

Suleiman的说法相当直接："我们现在拥有的预训练基座模型，比驱动GPT-5.6 Sol的模型更强，而我们只用了OpenAI训练该模型四分之一的算力。"这一对比基于微软作为投资方获得的非公开信息，并未对外披露细节。公开层面，微软将MAI 2与所有参数超过万亿的开源模型对比，称在各项预训练基准上全面领先，预训练效率是DeepSeek^广告 v4 Pro的12倍以上，训练使用了16000块GB200 Blackwell GPU，耗时38天。

对微软而言，这次预训练的意义不止于模型本身。从2019年起向OpenAI投入130亿美元，到2023年Altman被罢免又复职的动荡，微软管理层逐渐意识到，无论合作多紧密，从受托责任的角度都需要更多独立性。2024年3月招来DeepMind联合创始人Suleiman执掌新AI部门后，外界看到的多是摩擦报道，直到MAI-1系列面世，新策略才浮出水面。

MAI-1在基准上并不惊艳，但它承载的商业模式叫Frontier Tuning——允许客户在微软基座模型上微调自己的模型。这个产品踩中的时间点很关键：企业正陆续发现，把所有智能需求都交给最顶尖的模型并不划算，尤其在agentic时代，token账单的增长速度远超预期。Nadella反复强调，企业必须拥有模型之外的"智能层"，而不是把这一层交给模型供应商。

MoE架构与激活参数：混合专家（Mixture of Experts）模型将前馈层拆分为多个"专家"子网络，每次前向计算只激活其中一小部分。因此"总参数"与"激活参数"是两个不同概念——总参数决定模型容量与显存占用，激活参数决定单次推理的计算量。MAI Base 2的2.8万亿总参数、800亿激活参数意味着它在存储上属于超大规模模型，但每次token运算的算力成本接近一个800亿参数的稠密模型。这也解释了为何"参数规模相当"的模型之间推理成本可能相差数十倍，是企业评估token账单时必须区分的关键指标。

预训练与蒸馏：预训练指在大规模无标注语料上从随机初始化开始训练基座模型，成本最高、周期最长；蒸馏则是让新模型模仿已有强模型的输出分布，成本低但上限受教师模型约束。Suleiman强调MAI 2"完全从零预训练、未蒸馏任何模型"，意在说明其能力来自自有数据与算力投入，而非借用竞争对手的模型输出，这对企业客户的合规与供应商独立性叙事很重要。

Meta MuseSpark Open：美国开源权重模型的回归

Meta本周的另一条线是Muse的Wonder系列回归前沿，但真正被Smart Money盯上的是MuseSpark Open。Meta称之为"美国迄今最强的开源权重模型"：总参数8160亿，激活420亿，上下文窗口100万token，面向编码和长周期agentic任务。

Artificial Analysis给MuseOpen打出39分，总榜并列第17，开源模型中排第7，距离开源SOTA约7分，但领先Nemotron和Inkling约13分。在JobBench、MCPAtlas等agentic基准上，Meta声称达到开源SOTA。开源模型研究者Nathan Lambert的评价颇能代表社区情绪："我等美国开源权重模型重新变得重要等了太久。"他指出，在此之前美国模型仍落后于中国模型，而MuseOpen"至少把差距缩短了一半"。

Meta的开源路线走过一段弯路。Llama 3时代Meta曾在开源前沿紧咬OpenAI，Llama 4的失利和Behemoth的缺席则直接触发了扎克伯格对AI部门的彻底重建。当Meta重新发布模型时，外界一度以为开源已成往事，Alexander Wang承诺回归开源时也有人怀疑。MuseSpark Open算是兑现了承诺。

一个容易被忽略的细节是Apple的第一方支持。这两家公司向来算不上朋友，但Apple更新了MLX工具包以确保Spark Open在自家硬件上顺畅运行，扎克伯格发布Muse在Mac Studio上运行的视频并致谢Apple的John Ternus，Ternus则回应"这是宣布新任Apple CEO要换个做法的好方式"。当然，完整版模型需要1TB内存，大致相当于两台顶配M5 Ultra Mac Studio，售价约4万美元——对个人用户遥不可及，对在意私有推理的小型初创公司却并非不可承受。

开源权重（open-weight）与开源模型：业界所称的"开源模型"多数只开放模型权重，训练数据、训练代码与数据配比往往不公开，因此严格意义上属于"开放权重"而非OSI定义的开源。这一区别对企业很实际：开放权重允许本地部署、私有推理和微调，满足数据不出域的要求，但无法让企业完整复现或审计训练过程。MuseSpark Open、Llama系列与中国开源模型均属此类，衡量其价值的关键指标包括许可证条款（商用限制、用户规模门槛）、上下文窗口与部署硬件门槛。

MLX与本地推理硬件：MLX是Apple为自研芯片设计的机器学习框架，针对统一内存架构优化，使大模型可以直接在Mac的内存空间中加载与推理，无需独立显卡显存。统一内存的优势是容量大（顶配Mac Studio可达数百GB），劣势是带宽低于高端数据中心GPU。因此"1TB内存、约4万美元两台顶配Mac Studio"这类配置，面向的是对数据主权敏感、吞吐需求不高的小型团队，而非大规模生产推理。

企业AI的真正分水岭：成本与主权

把微软和Meta的发布放在一起看，指向的是同一个趋势。企业正在变成"模型杂食动物"，希望根据任务需要在不同模型之间进出，而不是被锁定在单一供应商的生态里。Box的Aaron Levy认为，这会进一步加速AI扩散：企业可以用前沿模型做编排和高端任务，用低成本、定制化的后训练模型处理重复性工作流，整体token消耗和工作负载都会显著上升。

微软的Frontier Tuning给出了主权问题的答案，Meta的开源权重模型给出了成本问题的答案。开源阵营本来就有中国模型可选，但考虑到微软在企业生态中的既有嵌入程度，不少公司会更愿意找微软微调，而不是自己去搭一套基于中国基座的本地部署基础设施。如今Meta补上了美国开源权重这一块拼图，企业的选择面比几个月前宽了不少。

短期内，大多数企业仍会选择订阅Claude或ChatGPT这种"交钥匙"方案，这不现实被推翻。但具备一定技术能力的公司，正在设计更复杂的模型架构，依据性能、能力、成本或效率约束灵活切换。这是本周两场低调发布最值得跟踪的信号。

模型路由与"模型杂食"：多模型混用架构通常由一个编排层（router/orchestrator）根据任务类型、难度、延迟与成本预算，把请求分派给不同模型：高价值、开放式任务交给前沿闭源模型，重复性、结构化任务交给成本更低的后训练或开源模型。这一模式的技术前提是各模型接口趋于标准化，以及企业能够对不同模型的单位token成本与质量做可比较的评估。其副作用是运维复杂度上升——需要统一的可观测性、缓存、评测与成本归因体系，这也是"智能层"成为独立产品品类的原因。

后训练与Frontier Tuning：后训练（post-training）指在基座模型之上通过监督微调、偏好优化等手段注入领域能力，成本远低于预训练，但效果高度依赖基座质量与数据质量。Frontier Tuning这类托管微调服务的核心卖点不是模型本身，而是让企业在不掌握训练基础设施的前提下拥有一个专属模型，并把领域数据与提示工程沉淀在可控边界内，从而在"用最强模型"与"拥有自己的智能层"之间取得折中。

其他值得关注的动态

Anthropic引入第三方安全评估

Anthropic已将首批第三方评估者嵌入组织，来自METR的六人团队获得"类员工权限"，包括公司电脑、办公空间和内部工具的使用权。SecureBio和Accenture也在评估者之列，与Hugging Face等的早期洽谈正在进行。争议集中在独立性上：Anthropic称不资助METR，但双方共享不少EA领域的金主。Anthropic设定了三级审计者权限，METR独占最高级，评估者"不能否决发布"，但可要求对客户数据、法律特权信息和模型架构信息做删减，并可公开评价删减是否合理。Embroidery创始人Zach Korman直言这是"安全剧场"，但也有观点认为这至少是个风险管理原型，最终会演化为四大会计师事务所的一门生意。

Cognition用"信用分"管理token预算

Cognition为使用Devin的工程师设计了动态token预算：系统用AI估算会话相当于人类多少小时的工作量，工程师触达上限时会被评估token使用效率，评分合格则自动提高限额。VP Calvin Giroud把这比作信用卡提额。开发者反应普遍负面，有人称软件工程变成了工厂岗位，有人指出"人类需要多少小时"衡量的是错误的东西，会激励人们造最复杂而非最有价值的东西。但也有观点认为，无论这套方法是否合理，token分配终将成为一项核心技能。

白宫AI工作组首次会议

白宫AI工作组周四召开首次会议，首要任务是监督120天内发布的AI安全报告，覆盖AI风险与网络安全、关键基础设施、生物安全与两用应用、模型控制与问责。工作组还设立小组落实各前沿实验室签署的白宫协议，内容包括董事会层面的安全监督和与外部审计方合作。协议是自愿性的，如何执行仍悬而未决，一位白宫官员对Semafor表示，出口管制可能成为施压手段之一。

用Opus 5.5"蜂巢式"开发游戏

YouTuber Max Blade和主播朋友们用vibe-coding做出了名为Kong Royale的百人竞技游戏，号称"全球首款AAA级vibe-coded大逃杀"。他此前尝试过但模型能力不足，这次借助Opus 5.5和两个Claude Max账号，花几周时间完成。他称这套方法为hive-coding：把多个agent放进直播聊天，夜间review观众提出的改动建议，挑选最好的合并进次日晨间构建。开发过程本质上由观众众包完成。