Meta Superintelligence Labs 放弃 Llama，选择控制

Meta Superintelligence Labs 已将其旗舰模型从 Llama 系列中移除。该团队转而采用封闭开发路径。

这一决定标志着与多年开源发布模式的明确决裂。此举是在内部对部署风险和竞争压力进行审查后做出的。

该实验室现在优先直接控制模型权重、训练数据和安全层。这种控制取代了之前广泛公开发布的做法。

Meta 员工于 2026 年 6 月初通过内部渠道收到更新。外部公告在几天后发布。

此举令许多基于 Llama 检查点构建工具的开发者感到意外。这些工具现在面临版本差距和缺失更新。

内部备忘录设定新规

该备忘录列出了对权重共享和微调发布的具体限制。它还仅将第三方审计限制在经批准的合作伙伴范围内。

Meta 将安全和防止滥用作为主要驱动因素。公司指出新模型家族的能力快速增长。

Meta 内部有几个团队曾推动继续开源发布。他们在最终审查中败北。

该备忘录详细说明了每个研究组必须遵循的具体新程序。未经新成立的模型治理委员会明确批准，模型权重不得离开公司的安全计算集群。外部研究人员进行的微调实验现在必须仅使用经批准的 API 端点，而非下载检查点。即使是内部团队也面临新的日志记录要求：超过特定参数阈值的每次训练运行都会自动标记以进行法律和安全审查。

这些规则取代了之前允许研究生和初创公司工程师下载完整 Llama 检查点并运行无限制实验的做法。在之前的制度下，大学实验室可以在数周内针对特定领域医疗数据微调 Llama-3-70B，并发布适配器权重和评估结果。新政策使该工作流程变得不可能。相反，研究人员必须通过 Meta 的合作伙伴门户申请，提交详细研究计划，并平均等待六周以获得批准。获批项目将获得沙箱环境访问权限，其中数据保持加密，输出在导出前接受检查。

一个显著变化涉及多模态扩展的处理。任何在核心模型之上涉及图像或视频生成的研究现在都需要单独的伦理签核，即使是内部团队，因为新模型展示了更高的照片级真实感合成能力。

具体示例说明了这一转变。在备忘录发布前，斯坦福团队在不到一个月的时间内微调了 Llama-3 的蛋白质折叠序列，并将结果模型发布在 Hugging Face 上。政策实施后，同一团队于 6 月提交申请，仅在 7 月下旬获得沙箱访问权限，所有生成的序列均需接受双重用途生物风险的自动筛查。另一个案例涉及一家欧洲初创公司，该公司此前曾抓取 Llama 权重来构建本地法律文档分析器；当团队发现没有合法途径获取最新检查点权重以进行离线部署时，项目陷入停滞。

额外的流程变化甚至影响获批合作伙伴。每个 API 调用现在都会返回不可变的审计日志，其中包括提示嵌入和输出令牌序列。研究人员必须保留这些日志七年，并在定期合规审计期间提供。这些可追溯性水平超过了之前对 Llama 衍生品的要求，并与国防部门 AI 程序中使用的控制措施相似。

为何现在发生转变

新模型达到了触发全新风险评估的性能阈值。此前的 Llama 版本仍低于这些阈值。

竞争对手已转向封闭系统。Google 和 OpenAI 均将其最强模型置于严格访问规则之后，如 The Verge 的报道所述。

Meta 产品负责人希望保护训练数据来源并避免泄露给竞争对手。封闭路径提供了更清晰的责任界限。

时机与几次可观察到的能力跃升相吻合。内部基准显示最新模型家族在代理任务、长上下文推理和多模态理解方面跨越了前所未有的分数。这些增益恰逢民族国家行为者和资金充足的犯罪集团开始展示针对开放模型的复杂提示注入攻击。Meta 的风险团队得出结论，公开权重发布将加速滥用，其速度将超过防御性研究的响应速度。

竞争动态也加速了这一决定。Google DeepMind 的 Gemini-2 和 OpenAI 的 o 系列仍仅通过受控 API 提供。根据 彭博社报道，这两家组织均报告了来自重视可预测安全保证的企业客户的收入增长。Meta 领导层认为，在公司需要证明新数据中心建设的大额资本支出正当性的时刻，继续开源发布可能成为收入劣势。

该决定还反映了从 2025 年 Llama-3.1 公开发布中吸取的教训，当时 405B 变体的早期访问使一家中国研究集体能够复制 Meta 希望保持专有的几种对齐技术。其他背景显示了内部里程碑的时间压力。Meta 董事会于 2025 年底批准了 500 亿美元的基础设施投资，条件是明确的知识产权保护。

对于构建内部 AI 系统的团队而言，当依赖受限模型访问时，AI-native second brains 等指南中概述的结构化方法变得日益相关。

Meta 开源发布的历史背景

Meta 早期的 Llama 发布创建了整个衍生模型生态系统。Llama-2 的宽松许可支持了从消费级笔记本电脑上的本地聊天机器人应用到大学集群上运行的大规模科学模拟等项目。2023 年至 2025 年间，研究人员发表了超过 4000 篇引用 Llama 权重的论文。其中许多论文介绍了后来被封闭实验室采用的技术。

开源方法也在开发者中产生了善意。Hugging Face 和 GitHub 上的社区维护了排行榜、错误跟踪器和优化指南，这些在 Meta 无成本的情况下提升了 Llama 性能。当安全问题出现时，外部研究人员通常会在几天内发布补丁或对齐数据集。

然而，这种开放性也造成了可衡量的下游问题。恶意行为者微调公共检查点用于网络钓鱼邮件生成和合成媒体制作。一个记录在案的案例涉及一个未经审查的 Llama 变体被用于创建在社交平台上分发的深度伪造视频。Meta 的安全团队追踪了这些事件，并将其汇编成影响最终治理决策的内部简报。

进一步的历史细节显示了许可条款的演变。Llama-1 使用仅限研究的许可，Llama-2 引入了带使用限制的商业许可，Llama-3 添加了可接受使用政策。每次迭代都试图在开放与保障之间取得平衡，但一旦权重在种子网站和镜像存储库上传播，执行就变得困难。

Llama 社区面临即时差距

依赖 Llama 权重进行研究和小企业工具的开发者失去了预期的更新路径。许多项目现在运行在冻结的检查点上。

一些团体开始分叉较旧的公开发布版本。其他团体则寻找来自较小实验室的替代基础模型。

Meta 通过合作伙伴计划提供了有限的迁移支持。访问需要申请和审查。

完全基于 Llama-3-8B 构建产品的较小初创公司面临艰难选择。一家推荐引擎公司报告称，其当前生产模型无法在没有较新检查点的情况下重新训练。该团队已花费六个月时间针对该确切架构优化推理内核；切换到不同的基础模型将需要重复大部分工作。

学术实验室报告了类似的摩擦。一个针对脑成像转录本微调 Llama 的神经科学小组失去了在其下一个出版周期中迭代的能力。计划围绕开放权重开展论文工作的研究生现在必须重新设计项目或申请 Meta 的受限合作伙伴计划，该计划偏向已持有现有合作协议的机构。

比较视角凸显了中断的规模。Hugging Face 使用数据显示，Llama-3 检查点在 2026 年第一季度下载超过 1200 万次。公告发布后，根据与选定合作伙伴共享的内部遥测数据，最新计划发布版本的每周下载量下降了约 94%。

控制与开放的权衡

Meta 以外部善意换取内部监督。公司现在可以在没有公开辩论的情况下调整安全过滤器和数据政策。

开源倡导者称此决定是可及性研究的一大倒退。他们质疑安全声明是否与实际模型行为相符。

行业分析师指出，封闭模型通常能达到更高的峰值性能，因为团队可以在没有发布约束的情况下进行优化，这与 路透社对 AI 访问模型的报道 中的观察相似。

这一转变也改变了 Meta 与监管机构的关系。封闭开发使公司能够在政府调查期间展示具体的访问日志和审计轨迹。相比之下，一旦权重公开，Meta 证明下游用户如何修改或部署模型的能力就有限。

对开发者和组织的实际影响

之前下载 Llama 权重的组织现在必须评估三个主要选项。首先，他们可以继续使用较旧的公共检查点，同时接受能力平台期。其次，他们可以申请 Meta 的合作伙伴计划并接受新的审查时间表。第三，他们可以迁移到来自 Mistral、EleutherAI 或仍在发布权重的其他新兴实验室的替代开放模型。

每条路径都带有可衡量的成本。停留在较旧检查点上存在落后于企业客户使用的基准的风险。申请合作伙伴计划会引入许多初创公司无法承担的法律审查周期。切换基础模型需要重新验证安全、性能和合规文档。

与 Meta 已有关系的大型企业可能会经历更顺畅的过渡。他们已经维护安全环境，并可以在保密条款下协商自定义微调协议。没有此类基础设施的较小实体面临最陡峭的障碍。

工作流程细节进一步阐明了过渡。典型的合作伙伴入职现在包括 14 页的安全问卷、SOC-2 认证要求以及强制性的季度合规审计。推理必须在 Meta 批准的 VPC 内或通过远程认证检查的本地硬件上进行。

封闭方法的局限性与风险

封闭开发带来了自身的一系列风险。当外部审查消失时，内部团队可能会产生盲点。由于独立研究人员对模型的审查减少，安全故障可能会隐藏更长时间。Meta 现在必须大规模资助自己的红队测试，这是一项昂贵的任务，而之前它受益于众包发现。

另一个局限涉及人才保留。顶尖研究人员通常更喜欢能够自由发表论文并维护公众声誉的环境。Meta AI 组织的几位知名成员已经表示对继续开放发布的实验室职位感兴趣。失去这些人才可能会减缓未来的能力提升。

最后，该政策可能会加速监管碎片化。支持开源开发的司法管辖区可能会对 Meta 的封闭模型施加限制，同时对竞争性开放项目给予优惠待遇。因此，Meta 必须维持并行的合规策略，这会增加运营开销。

对更广泛 AI 研究生态系统的影响

该政策变化的影响超出了 Meta 的直接合作伙伴。以可复现 Llama 实验为中心的大学课程现在必须重写教学大纲或获得私人计算资助。NeurIPS 和 ICML 等会议已开始收到立场论文，探讨封闭模型主导是否会减缓历史上依赖开放复现的对齐基准的进展。

专注于 AI 安全的非营利组织指出，此举将评估权力集中到少数几家公司手中。如果这些公司优先考虑竞争保密，这种集中可能会延迟就危险能力阈值达成共识。

对开源硬件市场的经济影响

旗舰权重突然撤回已经改变了专门提供 Llama 优化 GPU 实例的云提供商的采购模式。多家供应商报告称，在公告发布后两周内，大规模推理集群的预订量下降了 40%。支持围绕 Llama 生态系统构建的初创公司的投资者已开始重新评估投资组合估值，部分条款书现在包含明确条款，允许在模型访问丢失时重新谈判。

值得关注的下一步信号

关注预计于 7 月发布的首批受限合作伙伴版本。这些版本将展示 Meta 对分发的控制程度。

跟踪是否有依赖 Llama 的主要初创公司宣布转型或资金短缺。

监控将封闭模型与之前公开 Llama 检查点进行比较的第三方安全报告。

其他信号包括 Meta 计划于 2026 年 9 月发布的透明度报告内容，以及安全和治理角色招聘模式的变化。研究人员还应关注新成立的模型治理委员会的公告，以了解哪些研究提案获得批准，哪些类别被 consistently 拒绝。

常见问题

Meta 是否会再次公开发布未来模型权重？

当前政策文件显示没有恢复时间表。模型治理委员会将每年审查该限制，但内部消息来源表明，封闭立场至少将持续到 2028 年。

现有的 Llama-3 衍生模型是否可以继续接收社区更新？

可以，任何基于之前发布的公开检查点衍生的模型均不受影响。社区维护者可以继续对基于 Llama-3-8B 或 Llama-3-70B 构建的适配器进行微调、合并和分发。

新的 API 定价与之前的开放权重使用成本相比如何？

Meta 尚未公布最终费率。早期合作伙伴讨论提到旗舰模型的分层企业定价从每 1K tokens 0.002 美元起，月度 tokens 超过 1 亿后可享受批量折扣。