Meta“牛油果”模型难产：扎克伯格或借脑谷歌Gemini，AI竞赛进入下半场 | AINEWS

type

status

date

slug

summary

引言：烧钱千亿，Meta AI 却陷入“难产”泥潭

在人工智能的军备竞赛中，Meta（原Facebook）一直扮演着举足轻重的角色。然而，近期关于其代号为“牛油果”（Avocado）的前沿模型消息，却给狂热的AI市场泼了一盆冷水。据可靠消息透露，这款被寄予厚望的模型再次宣布延期发布，更令人震惊的是，Meta 高层竟然在讨论向竞争对手谷歌购买 Gemini 3.0 的授权。

这一转变不仅揭示了 Meta 在追求 AGI 道路上的技术瓶颈，也反映出扎克伯格在面对“算力黑洞”时的心态巨变。在 AIGC.bar 持续关注的 AI 资讯中，这无疑是今年大模型领域最具标志性的转折点之一。

“牛油果”的坎坷之路：性能卡在“尴尬期”

“牛油果”模型本应是 Meta 证明其重回巅峰的杀手锏。然而，内部测试结果却令人沮丧。虽然“牛油果”的性能已经超越了 Meta 之前的 Llama 4，甚至能险胜谷歌今年 3 月发布的 Gemini 2.5，但在面对谷歌去年 11 月就已推出的 Gemini 3.0 时，它在逻辑推理、编程和复杂写作方面的错误率高出 15% 至 20%。

这种“高不成低不就”的尴尬处境，导致原定于今年 3 月中旬的发布计划被推迟到了 5 月，甚至可能更晚。Meta 的工程师们发现，在后训练（Post-training）阶段，模型遭遇了难以逾越的性能瓶颈。对于一个日新月异、以“天”为更新单位的 LLM 行业来说，落后一个版本往往意味着在商业应用上的全面被动。

算力过热与安全审核：硬件与软件的双重打击

除了算法层面的挑战，Meta 还面临着物理层面的难题。内部备忘录显示，Meta 的数据中心在进行模型微调时出现了严重的“中暑”现象——过热问题导致训练进度多次被迫中断。尽管 Meta 今年的资本支出预算高达 1350 亿美元，几乎是去年投入的两倍，但硬件设施的极端负荷显然已经达到了临界点。

与此同时，Meta 在安全审核上也变得如履薄冰。由于此前社交媒体上对 Meta AI 生成内容的负面舆论不断，安全部门被迫增加了长达两周的压力测试。在追求“最强模型”与“最安全模型”之间，Meta 显然陷入了痛苦的平衡博弈。

扎克伯格心态转变：从“一举夺冠”到“逐步推进”

扎克伯格对 AI 的态度正在发生微妙的变化。在最近的财报电话会议中，他开始为市场“降温”，强调下一代模型的重要性在于展示 Meta 的“追赶速度”（Trajectory），而非必须一举夺魁。

为了组建最强的 AI 团队，扎克伯格不惜重金挖人，甚至给 OpenAI 的研究员开出了四年 3 亿美元的天价薪酬，并聘请了前 Scale AI CEO Alexandr Wang 领导 TBD Lab 团队。然而，巨额投入并没能立刻转化为压倒性的技术优势。内部团队的摩擦、高管之间关于 AI 如何赋能广告业务的分歧，都让 Meta 的 AI 战略显得有些步履蹒跚。考虑授权谷歌 Gemini 模型，被视为一种务实的“借脑”方案，旨在为自家产品提供临时支撑，避免在应用层彻底掉队。

全球 AI 格局：算力并非万能的 Scaling Law

Meta 的困境并非孤例。马斯克的 xAI 同样面临挑战，尽管坐拥 20 多万张 GPU 的恐怖算力，其 Grok 4.2 的实测性能却被指落后于国内的智谱 GLM-5，甚至在某些维度上不及 Kimi K2.5。这种现象让业界开始反思：单纯依靠增加算力和数据的“大力出奇迹”模式，是否正在遭遇边际效用递减？

相比之下，国内大模型在资源受限的情况下，通过算法优化和提示词工程（Prompt Engineering）实现了极高的效率。这预示着 AI 竞赛正在从“算力霸权”转向“效率优先”的新阶段。

结语：智能体时代的冷静思考

Meta 的“牛油果”危机给所有 AI 巨头敲响了警钟。在通往 AGI 的道路上，金钱和算力虽是入场券，但并非绝对的胜负手。扎克伯格的退让与求变，或许是大型科技公司面对现实挑战时的必经之路。

对于广大关注 AI 资讯和 LLM 发展的读者来说，紧跟技术前沿至关重要。如果您想了解更多关于 OpenAI、ChatGPT、Claude 以及大模型变现的深度分析，欢迎访问 AIGC.bar，获取最及时的 AI 日报和专业教程，共同见证人工智能时代的下一次飞跃。