Meta 在资本支出检验回报之际推出有竞争力的 AI 模型

Why it matters

Meta's models and distribution make Zuckerberg's AI strategy credible. Its $130B-$145B capex plan still demands returns far beyond the early usage Meta has disclosed.

更新： 本分析已修订，新增独立基准的背景信息，将模型性能与代理持久性区分开来，纳入 Meta 的最新活跃度与财务结果，并更全面地审视其资本支出的风险。

Futurism 的 July 31 article 认为 Meta 在其巨额 AI 支出上“几乎没有可展示的成果”，并且“在前沿 AI 模型竞赛中几乎缺席”。

这一结论难以与现有证据相调和。独立评估将 Muse Spark 1.1 列为具有竞争力的前沿模型之一。Meta 报告了其商业和广告工具的早期使用情况，并且公司可以在每天服务 36 亿人的应用中分发 AI 产品。其最新财报也显示出用户、活跃度、广告和收入的增长，而不是 Futurism 所描述的持续下滑。

以上都不能证明 Meta 能从其基础设施投资中获得可接受的回报。公司预计全年资本支出为 1300 亿至 1450 亿美元，而消费者对其个性化 AI 愿景的需求仍不确定。更为合理的评估不是说 Meta 几乎什么都没做，而是它已经产出具有可信度的技术和早期商业信号，但成本设立了一个异常高的成功门槛。

要评估这一立场，需要把 Futurism 大多混合在一起的三个问题分开：Meta 的模型在技术上是否具有竞争力、它的分发能力能否带来持久采纳、以及任一优势能否证明所需资本的合理性。

Muse Spark is competitive, with identifiable weaknesses

Muse Spark 1.1 在一些长期运行的代理任务上落后于领先系统。Meta 已承认这些差距，Axios 报道称来自 OpenAI、Anthropic 和 Google 的代理当前能运行更长时间并处理更广泛的工作。

这是一个重要的限制，尤其是在开发者越来越通过模型完成延长工作流的能力而非解答孤立提示来评估模型的情况下。然而，这并不足以证明 Muse Spark 在大多数任务中被普遍超越。

独立评估机构 Artificial Analysis 在其 Intelligence Index 上给 Muse Spark 1.1 打分为 51，实际上与在 xhigh reasoning 的 GPT-5.4、GPT-5.6 Luna 和 GLM-5.2 并列。该模型在 Humanity's Last Exam 中得分 45%，比 Claude Opus 4.8 低一分，并在 SciCode 的所有测试模型中排第三。

Muse Spark 还具有一百万 token 的上下文窗口。在完成 Artificial Analysis 的评估时，其输出 token 数少于得分相近的 GPT-5.4、GPT-5.6 Luna 和 GLM-5.2。按 Meta 的 API 定价，Artificial Analysis 估算每项 Intelligence Index 任务的成本约为 26 美分。

基准测试并不能完全衡量产品质量。它们可能偏好特定的模型配置，高分也不能证明在生产环境中的可靠性或开发者的采纳度。但它们比笼统地描述 Meta 在前沿领域“缺席”提供了更具体的比较依据。Artificial Analysis 在 7 月 10 日公布了完整结果，早于 Futurism 的文章三周。

证据支持一个更窄的结论：Muse Spark 是一个在经济上具有竞争力的前沿模型，但在延长代理操作方面存在弱点，且尚无与 OpenAI 或 Anthropic 可比的开发者地位。

Muse Image warrants scrutiny rather than dismissal

Futurism 对 Meta 的图像模型只用了一句：

“与此同时，Meta 发布了一个名为 Muse Image 的图像生成模型，这感觉像是事后补充、来得太少也太晚以赶上竞争对手的尝试。”

Meta 在发布时报告称，Muse Image 在 Arena 的人类偏好排名中在三个类别上位列第 2：文本生成图像（text-to-image generation）、单图像编辑（single-image editing）和多图像编辑（multi-image editing）。其即将推出的 Muse Video 模型在文本到视频（text-to-video）中排名第三。

该图像模型可以搜索视觉参考、在请求需要精确性时编写并执行代码、修改其输出、在多轮编辑中保持连贯性，并将来自多个参考图像的人物、物体、服装和环境结合起来。它还可与 Muse Spark 配合用于包括网站创建和动画媒体在内的任务。

这些能力和排名来自 Meta 自己的公告，因此不应不加区分地接受。严谨的评估会审查 Arena 的方法论，测试模型是否在基准条件之外也能保持表现，并确定其能力是否能转化为常规使用。Meta 尚未证明其具有竞争力的图像排名会产生持久的消费或开发者业务。

技术公告 仍然包含足够的细节，值得进行分析。在不检视其性能、架构或预期整合方式的情况下将产品描述为事后之作，并不能解决 Meta 是在追赶还是在构建差异化系统的问题。

Agent endurance is not the same as overall model performance

Futurism 写道 Muse Spark “在大多数任务上仍然很容易被 OpenAI、Anthropic 和 Google 的竞争模型超越”，并将这一评估归因于 Axios。

链接的 Axios 报道 更具体地指出：对手的代理可以处理更广泛的任务，并能更长时间地自主运行。这个区分很重要。代理持久性衡量的是系统在长时间工作流中能否进行规划、使用工具并从错误中恢复。它在战略上很重要，但只是性能的一个维度，而不是对每一项编码、推理、科学或长上下文任务的替代指标。

关于 Muse Spark 1.1 发布的另一篇 Axios 报道 指出该模型在编码和长上下文能力上的改进、具有竞争力的 API 定价以及在 Facebook、Instagram、WhatsApp 和 Meta AI 上的部署。

综合这些报道，描绘的是一个底层能力具有竞争力但在延长自主工作方面处于劣势的模型。将这一弱点扩展为关于“大多数任务”的断言超出了所引用报道的范围。

Distribution gives Meta an advantage, not a guaranteed audience

Meta 在 6 月其各应用的日均活跃用户为 36 亿，较去年同期增长 3%。Instagram 的日活已达到 20 亿，Facebook 超过 20 亿，Meta 的 Threads 应用月活已超过 5 亿。

这种覆盖改变了产品分发的经济学。Meta 可以在 WhatsApp、Instagram、Facebook 和 Messenger 内嵌入 AI 功能，而不必完全依赖应用下载、账户创建和新的消费者习惯。Meta AI 负责人 Alexandr Wang 告诉 Axios，数十亿使用 Meta 产品的人，加上公司对这些用户的了解，构成了竞争对手无法复制的优势。

分发不应与需求混淆。Meta AI 在文化知名度上仍不及 ChatGPT、Claude 或 Gemini。部分用户对其在 WhatsApp 和 Instagram 中的植入有所反感，Meta 的历史也为一款旨在使用个人上下文的助手带来了重大的隐私和信任顾虑。产品可以广泛可用，但并不一定变得不可或缺。

Meta 报告的使用数据提供了早期但不完整的证据。公司称，自将 Meta AI 以 Muse Spark 为核心重建以来，与其助手的日交互增长了 60%。每周有超过一百万家企业使用 Meta 的商务代理，而九百万家小企业至少使用了其一项 AI 广告工具。

这些都是公司报告的数据，Meta 尚未披露足够的底层数据以确定使用频率、留存或消费者参与的深度。但这些数字确实表明，公司除了模型基准还有一些可展示的成果。悬而未决的问题是，这些活动是反映了持久的采纳，还是由 Meta 对分发的控制所创造的曝光度。

The latest quarter does not show continuing engagement declines

Futurism 通过链接一篇四月的 Verge 文章来支持其关于 Meta 的用户和活跃度“持续下滑”的论断，文章提到第一季度日活环比下降了 2000 万。Meta 将该下降归因于伊朗的互联网中断和俄罗斯的 WhatsApp 限制。

在 Futurism 发布时，Meta 已公布了第二季度业绩。日活跃用户已上升至 3.60 billion。Instagram 使用时长比去年增长了两位数，而 Facebook 视频观看时长在全球增长了 9%，在美国和加拿大则增长超过 10%。

Meta 的广告展示量增长了 14%，单个广告的平均价格上涨了 12%。营收增长 28%，达到 $60.8 billion，而 Family of Apps 的广告收入增加了 27%。

这些数据并不能解决有关 Meta 信息流质量或合成内容长期影响的问题。但它们确实与那种更狭隘的事实性断言相矛盾——即用户数量和参与度在持续下降。当前的评估应考虑最新季度的数据，而不是将之前的环比下滑视为持续趋势。

财务论点仍未解决

反对 Meta 人工智能战略的最有力论点在于回报，而不是公司是否已经研发出有能力的模型。

在本季度，Meta 在资本支出上花费了 $31.1 billion，而自由现金流下降至 $784 million。公司现在预计全年资本支出将为 $130 billion 至 $145 billion，并已暗示在此期间之后还会有额外的基础设施投入。

这种规模带来若干风险。与 OpenAI 和 Anthropic 相比，Muse Spark 在开发者中的采用有限。Meta 的个人代理策略在很大程度上仍是空想式的。公司尚未证明消费者是否真想要 Mark Zuckerberg 在财报电话会议中所描述的“几乎无限的个性化 AI 内容宇宙”。对于那些已经因信息流中的合成内容而感到沮丧的用户来说，这一愿景可能会减少信任，而不是加深参与度。

Meta 还计提了 $2.4 billion 的法律费用和 $1.2 billion 的裁员费用。公司员工队伍正在经历反复重组，而管理层已将公司承诺于可能带来多年折旧和运营成本的基础设施建设。即使 Meta 的模型保持竞争力，如果需求、定价或利用率低于正在建设的产能，支出也可能摧毁价值。

因此，这一核心矛盾比 Futurism 的表述所暗示的更具后果性。Meta 拥有有竞争力的模型、无可比拟的消费群分发渠道以及商业用途的迹象。它也在尚未证明这些资产能带来与成本相称的回报之前就开始投入。

仅凭一个有竞争力的模型并不足以证明一个 $145 billion 的资本计划是合理的。同样，高额支出也并不证明 Meta 毫无成果可见。投资者需要证据表明模型质量和分发能力能够转化为持续的使用，使用能够转化为收入或保护现有的广告业务，并且这些收益能够超越基础设施的长期成本。

Meta 最终可能会在一项未能获得可接受回报的 AI 战略上投入大量资金。现有证据并不能排除这一结果。然而，现在就宣布其惨烈失败为时过早。更有益的讨论不是 Meta 是否已经产生了任何有价值的东西，而是它所产生的东西是否有可能变得足够有价值。