Meta的开源AI战略正出现明显转向。近日，公司前首席科学家在采访中证实——为了提升基准测试成绩——研发团队在不同评测中使用了不同版本的模型，导致测试结果产生偏差。这个说法随即引发业界对产品性能真实性的质疑。作为图灵奖得主、深度学习领域的重要学者，他于2013年加入Meta并创立人工智能研究院，多年来在公司前沿研究中扮演关键角色。但在最新一轮人事变动中，他已于年底离职。双方分手的核心原因在于技术路线分歧：他更强调世界模型方向，而公司管理层则把重心押注在大语言模型上。另外，人工智能研究院前技术总监及其团队也遭遇裁员。该员工在社交媒体上表示，自己原本被调来处理紧急项目，但真正负责的人并未被追责，反而研究团队被解雇。他还提到，Meta内部存在管理协同问题，部分项目决策由缺乏研究经验的年轻管理者主导，造成研究团队与管理层沟通不畅。Meta的AI产品线曾迎来高光时刻。2023年和2024年间，公司以“开源免费”策略获得广泛关注，Llama系列模型在性能上接近国际领先的闭源产品，一度验证了开源路线的竞争力。但这一优势并未延续。面对压力，Meta管理层开始调整策略：公司决定收缩原有的开源路线，转而加大对闭源模型的投入；同时启动高层调整，通过高薪挖角等方式补充研发力量，新方向强调在多项技术基础上推动产品层面的创新。不过，这一转向也带来新的争议。新推出的闭源产品因引入多方技术方案而引发讨论，“集成式创新”能否形成稳固优势，仍有待市场和产品表现验证。从技术路线摇摆到团队大幅调整，Meta的AI战略变化折射出其在大模型竞争中的压力。作为曾经的开源标杆，Meta正在尝试以闭源模式追赶主要竞争对手，这一过程涉及研发方向、组织结构与商业模式的同步重塑。业界观察人士认为，大模型竞争正在加速，各家都在寻找更适合自身的路径。开源与闭源各有利弊，决定胜负的仍是持续创新能力与产品化竞争力。Meta的调整也说明，公司正在重新评估自身优势与市场定位。
Meta的处境折射出科技企业在技术创新与商业竞争中的共同难题。在人工智能这个关键领域，如何在短期商业回报与长期技术积累之间取得平衡，如何处理开源共享与商业保密的边界，都是绕不开的问题。这一事件也提醒全球科技企业：只有回到持续创新与科学管理的本质，才能在激烈竞争中保持长期发展动力。