Llama 落日与太阳系升起：Meta 转身闭源、OpenAI 押注子代理——7 月初 AI 行业的两道分水岭

引言

2026 年 7 月第一周还没过完，AI 行业就连续投下两颗深水炸弹：6 月 26 日 OpenAI 发布 GPT-5.6 系列，首次以 Sol / Terra / Luna「太阳系」命名重塑产品线；与此同时，Meta 用了整整一个季度把新一代旗舰 Muse Spark 部署到 Ray-Ban Meta 与 Oakley 全系智能眼镜——而这款模型从第一天起就不开放权重。

Llama 4 滑铁卢、Muse Spark 闭源转身、OpenAI 太阳系分层、Ultra 子代理范式商用化——这些事件放在一起，标志着一件事：开放权重 vs 闭源的二元争论事实上已经结束，AI 行业进入「专有分层 + Agent-of-Agents」新常态。

分水岭一：Meta 用 14.3 亿美元和一年时间，把开放权重旗手角色让了出去

2025 年 4 月，Meta 推出 Llama 4 时宣称”原生多模态 + MoE 架构”，社区一片欢呼。但 Artificial Analysis Intelligence Index v4 给了它一个冷冰冰的 18 分——比训练预算只有一半的模型还低。市场把 Llama 4 Maverick 18 分与 OpenAI GPT-5.4 57 分的差距，归因于”刷榜调优”和”演示场景脱实”，Llama 4 Behemoth 随后无限期延迟，事实上沦为泡影。

Zuckerberg 没有选择迭代，而是烧毁重建：

• 2025 年 6 月：花 14.3 亿美元拿下 Scale AI 49% 股权，把 28 岁的 Alexandr Wang 收编为 Meta 史上第一位 Chief AI Officer
• 2025 年中：成立 Meta Superintelligence Labs（MSL），从 OpenAI、Anthropic、DeepMind 挥舞 1 亿到 3 亿美元的薪酬包挖人（赵晟佳、庞若鸣、余家辉等）
• 2026 年 1 月：Yann LeCun 出走，公开称新领导层”缺乏经验”
• 2026 年 4 月 8 日：MSL 九个月后端出 Muse Spark——不开放权重

Muse Spark 的成绩单是矛盾的：Intelligence Index 52 分（单代跳 34 分，史上最大）、HealthBench Hard 42.8% 第一、CharXiv Reasoning 86.4%——但 SWE-Bench 77.4%、ARC AGI 2 42.5% 远落后于 Claude 和 Gemini。Meta 股价当天涨 9%，市场买的是”诚恳态度”，不是模型能力。

更关键的是 Muse Spark 的智能眼镜落地。2026 年 5 月，它完成 Ray-Ban Meta 与 Oakley 全系替换部署——日使用量年增 3 倍的硬件入口，绑定的不是开源生态，而是专有模型。

关于”为什么不开放权重”，Alex Wang 在 2026 年 6 月 4 日 Bloomberg Tech Summit 上给了迄今最清晰的解释：他称 Muse Spark 为”appetizer”（开胃菜），主菜还在训练中；而闭源决策的真正驱动因素是安全评估中触发的生物与化学能力”高风险”告警。Meta 的 Advanced AI Scaling Framework 评估显示，模型在未缓解部署下化学与生物能力达到”high risk”阈值；缓释后残余风险降至”moderate or lower”。158 页的 Muse Spark Safety and Preparedness Report（4 月 28 日发布）正式把”前沿模型 + 开放权重”的二元选择改写为”前沿模型 + 安全评估 + 条件性开源”的新三元结构。Wang 在台上直言，开源权重意味着把能力与风险一并转移给下载者，且事后无法强制执行缓解措施——这与闭源产品内置的安全模型有本质区别。这条逻辑链解释了为什么 Meta 宁愿放弃 12 亿次下载的 Llama 社区基础，也要给最强模型闭源。

Llama 4 的滑铁卢暴露的是整个开放权重阵营的结构性脆弱：当你用比头部少一个数量级的算力去”对标”前沿模型时，基准调优和演示场景就成了唯一的差异化武器，而一旦这两件事被戳穿，社区信任便在一天内蒸发。

分水岭二：OpenAI 太阳系上线，Ultra 模式把「Agent-of-Agents」推上商用

6 月 26 日，OpenAI 发布 GPT-5.6 系列，三款模型以天体命名——

• Sol（旗舰）：max 推理 88.8%、Ultra 模式 91.9%（Terminal-Bench 2.1 第一），输入 $5 / 输出 $30 每百万 token
• Terra（均衡）：GPT-5.5 级别能力，价格腰斩，$2.50 / $15
• Luna（极致低成本）：$1 / $6，OpenAI 史上最低价

随三档模型同步推出的还有更可预测的 prompt 缓存机制：开发者可显式设置缓存断点（cache breakpoint），缓存至少保留 30 分钟；缓存写入按 1.25× 未缓存输入价计费，缓存读取仍享 90% 输入折扣——这意味着多轮 Agent 任务的 context 复用成本进一步可控。

最值得关注的不是价格分层，而是 Ultra 模式——当任务复杂度超过单 Agent 能力上限时，Sol 自主派生多个子 Agent 并行协作，各自负责不同子目标，最终汇总。这是 Agent-of-Agents 范式首次大规模商用化。

Ultra 与 Anthropic 在 Opus 4.6 上推的 Agent Teams 思路不一样：Agent Teams 让开发者用 JS 脚本编排多个 Claude 实例；Ultra 是模型自己完成拆解和协调，开发者只需要提需求。Terminal-Bench 上的 91.9% SOTA，正是 ultra 模式跑出来的。同期 Anthropic 阵营的 Terminal-Bench 2.1 成绩：Mythos 5 为 88.0%、Fable 5 为 84.3%——Ultra 把这个数字顶到 91.9% 是 OpenAI 第一次在 Agent 终端任务上反超 Anthropic 的旗舰线。

但发布方式本身也成了新闻。OpenAI 在博客中罕见承认：根据美国政府的要求，GPT-5.6 Sol/Terra/Luna 先以小范围预览方式向”与政府共享的受信合作伙伴”开放，再推向更广用户。系统卡同时披露三款模型在网络安全与生物化学风险上被自家 Preparedness Framework 评为 「High」（未到「Critical」）。“AI 主权化”第一次被一家头部厂商以官方文件形式承认。

三个被同时验证的趋势

把 Meta 与 OpenAI 这两周的动作放在一起看，三件事已经不可逆：

1. 开放权重 vs 闭源的争论事实上已经结束。当开放权重阵营最大旗手转身闭源，留给社区的只剩 Mistral、Qwen、DeepSeek 这些「区域冠军」——而它们也越来越倾向于”权重可下载但商业受限”的中间路线。
2. 模型分层固化：旗舰（高溢价）→ 均衡（性价比）→ 极致低成本——三档定价一年来从概念变成 OpenAI、Anthropic、Google 的共同模板。
3. Agent-of-Agents 范式成型：从”应用层编排多代理”转向”模型自主派生子代理”，调度逻辑不再外置。

对开发者的影响

• 不要把赌注押在单一模型的开放权重上：Llama 的命运说明，“可下载”不等于”可持续”。Meta 转身闭源后，开源前沿旗手事实上已转移到中国阵营——DeepSeek V4 Pro（MIT，1.6T 总参 / 49B 激活）、Qwen 3.6（Apache 2.0）、MiMo V2.5 Pro（MIT，1.02T 总参 / 42B 激活）、Kimi K2.6（1T+）都在持续更新并保持宽松许可。本地化部署栈应围绕”中国开源 + Mistral”做冗余，避免对单一供应商的依赖。
• 按 token 经济性选模型而非按基准跑分：Luna 1 美元 / 百万 token + Terra 2.5 美元 / 百万 token，正在让”用模型”和”用算力”的成本结构趋同。在长上下文、批量场景下，Luna 几乎可作”云端算力”用。
• 为子代理调用重新设计架构：Ultra 模式后，Agent 不再是单一会话，而是嵌套的执行树。context 预算、错误传播、状态共享、token 消耗归因（子 Agent 之间的 cost attribution）都需要重写。建议把”调度器—子 Agent—验证器”三段式作为标准结构，调度器负责子 Agent 的 spawn / 合并，验证器对子 Agent 输出做交叉验证后再汇总。

结论

7 月初的这两道分水岭告诉我们：AI 行业不再有”开放阵营 vs 闭源阵营”的叙事张力，剩下的是头部三家在”专有模型 × 三档定价 × 内嵌 Agent 编排”上卷速度。当竞争维度从「模型开不开源」变成「Ultra 模式谁先稳定到 SLA 99.9%」「子 Agent 调度谁先形成生态标准」「AI 主权化框架谁能拿到政府背书」时，开发者真正需要关注的，是 token 经济学、子 Agent 架构范式与多供应商策略——而不是阵营归属。Muse Spark 闭源 + GPT-5.6 太阳系上线只是序章，下半年的真正看点是 Meta 的”主菜”、Claude Mythos 5 的广泛可用，以及第一批围绕 Ultra 模式构建的 Agent 生态产品。