\n\nMeta 宣布重心转向闭源模型 Muse Spark，实质上放弃了 Llama 的后续开发。由于两者架构迥异，开发者面临巨大的迁移成本，标志着 Meta 战略从开源转向闭源竞争。
译自：Meta abandons open-source Llama for proprietary Muse Spark
作者：Steven J. Vaughan-Nichols
Meta 认为其新的私有 AI 大语言模型 Muse Spark 会比开源的 Llama 带来更丰厚的利润。那么，Llama 的用户该何去何从？
早在 2023 年，Meta 发布了 Llama 2.0 并宣称其为开源模型。 尽管 Llama 并非真正的开源，但它对开发者来说听起来很不错。
事实上，在 2024 年 10 月，Meta 创始人兼 CEO Mark Zuckerberg 宣称： “开源 AI 是前行之路。” 去年 3 月，该公司发布了一份新闻稿，庆祝 Llama 下载量达到 10 亿次。
那是过去，而现在情况变了。
从实际角度来看，Meta 已经放弃了 Llama 的开发，转而支持其在本月宣布的新私有项目 Muse Spark。该模型由 Meta 超级智能实验室（Meta Superintelligence Labs）开发，这是在 Mark Zuckerberg 招揽 Scale AI 的 Alexandr Wang 以启动 Meta AI 计划后，于 2025 年成立的新部门。
据报道，Mark Zuckerberg 对 Llama 模型落后于 ChatGPT 和 Claude 感到不满，因此 Muse Spark 采用了全新的基础设施、架构和数据管道从零开始构建。该公司还开启了“重金投入的抢人模式”，从竞争对手那里挖掘 AI 人才。Muse Spark 在任何方面都不属于 Llama 的衍生产品。
我们并不确切知道 Meta 为何将 Llama 从其优先级名单中移除，因为该公司尚未对此做出回应。当 The New Stack 就 Llama 和 Muse Spark 询问 Meta 时，该公司未予置评。
展示 Meta Muse Spark AI 的截图。
然而，从 Meta 的公开言论中我们可以看到，虽然它表示“当前的 Llama 模型将继续作为开源提供”，但这仅确认了现有模型将保持可用，而对未来的开发只字未提。AI 社区的预期是 Llama 将仅获得增量更新和维护。你可以不用指望它能获得 Muse Spark 那样大规模的前沿投资了。
由于部署模型根本不同，从 Llama 到 Muse Spark 没有迁移路径。
没有明确的迁移路径
这对当前的 Llama 用户意味着什么？他们陷入了麻烦。由于部署模型根本不同，从 Llama 到 Muse Spark 之间没有迁移路径。Llama 提供可下载的开放权重，用于自托管和微调；而 Muse Spark 仅限云端，没有可下载的权重，没有自托管能力，目前仅提供私有 API 预览访问权限。即使 Meta 履行承诺开源其部分新模型，也很难想象 Llama 用户如何迁移到这些平台。
正如 Andrew Ng 在其 AI 通讯 The Batch 中所写：“闭源版本的发布引起了开发者的担忧，他们中的许多人都是基于开放权重的 Llama 模型构建项目的。”同时 Ng 写道，Meta 的转型可能有助于它“与 OpenAI、Google 和 Anthropic 一起竞争企业客户。然而，它不再担任美国开放权重的领先倡导者，这对开发者社区来说是一个重大损失。”
Meta 不再担任美国开放权重的领先倡导者，这对开发者社区来说是一个重大损失。
顺便说一句，这涉及的开发者数量并不少。一年前，Meta 报告称 Llama 的下载量已达 12 亿次。 但即便在当时，开发者就认为 Meta 在 Llama 上的投入已不足以让其与当时领先的前沿模型竞争。尽管如此，成千上万的公司以及无数的开发者和个人仍在使用 Llama。他们能做什么？
开发者的三个选择
Llama 开发者确实有一些选择，包括：
- 你可以继续使用现有的 Llama 模型，这些模型在主流云服务商上依然可用。然而，这些大语言模型将越来越落后于其前沿竞争对手。
- 转向来自 Mistral、DeepSeek 或阿里巴巴 Qwen 的竞争性开源模型。
- 迁移到主流 AI 供应商的私有 API。例如，Meta 内部的程序员在 Muse Spark 问世之前很久就已经转向了 Claude Sonnet。
切换成本是巨大的。迁移需要重写特定供应商的 API、调整私有训练数据，并整合定制的工具和工作流。AI 迁移既不容易，也不便宜。
Llama 分支填补空白
也许最简单的出路是使用一个或多个众多的 Llama 分支（fork）。其中最重要的是 Llama 推理引擎分支 llama.cpp。这是一个流行的 C++ 推理引擎，用于在本地运行 Llama 模型。Llama.cpp 支持广泛的大语言模型，其范围远超 Meta 的 Llama 家族。在此基础上，又涌现出了其他几个重要的分支。
其中最著名的可能是 ik_llama.cpp。这是一个专注于性能的分支，承诺提供比 llama.cpp 更好的 CPU 以及 GPU/CPU 混合性能。还有一个瑞芯微（Rockchip）NPU 分支，Rkllama。该引擎将 llama.cpp 与瑞芯微 NPU 加速相结合，适用于 RK3588 芯片等嵌入式系统，旨在与几乎所有标准的 llama.cpp 兼容模型配合使用。最后还有 llama-rs，这是一个 Rust 实现，被市场定位为“用于本地 AI 的极速分支”。
最后是 OpenLLaMA，它是 Meta 原始 LLaMA 模型的 Apache 许可证开源复现版。它提供 3B、7B 和 13B 参数版本，全部基于 1 万亿 token 训练。它还带有 PyTorch 和 JAX 的权重。
Meta 可能会从这一转变中受益。然而，Llama 用户现在必须寻找另一条出路。祝他们好运，他们会需要的。端 工智能
