📌Ben Thompson 观点：Meta Muse 对前沿 AI 实验室构成看跌信号
💡核心逻辑：不需要顶尖水准的大模型，就可以打造出用户粘性远高于普通对话
机器人的个人智能体产品。
“因此对于前沿实验室而言，关键在于趁自身模型能力还具备领先优势的时候，搭建用户触点。”
“不过 Meta 近期推出的 Muse，恰恰释放了一个看跌信号。Muse 是我体验过的个人智能体产品里，综合表现最好、上手门槛最低的，领先幅度非常明显。”
“Meta 在产品层面投入的打磨，以及为用户免费提供高性能虚拟机所付出的巨额基础设施投入，非常值得肯定。”
“当然，支撑 Muse 运行的底层 Muse Spark 模型同样功不可没。”
“但要注意，Meta 当前最先进的 Muse Spark 1.3 模型，仍然不属于行业顶尖水准。这就是核心的看跌信号：即便模型并非世界顶尖，也足以打造一款优秀的个人智能体；而个人智能体的用户粘性，远高于聊天机器人。”
“一旦你把全部个人信息录入个人智能体，并且把它融入日常生活，后续想要迁移、切换到其他产品，门槛会变得极高。”
“这和 Codex/ChatGPT、Claude Code 这类代码助手完全不同：你固然可以在上面积累能力、熟悉工具的调用逻辑，但最终产出物（代码）都保存在 GitHub。如果竞品性能更强、价格更低，或是更符合你的数据隐私诉求，你换到别的智能体、调用这些代码资产的迁移成本并不高。”
总而言之，当前模型能力已经达到一个临界点：仅凭够用的模型，就能打造具备护城河的产品。从商业角度看，Anthropic、OpenAI 这类前沿实验室，应当投入更多资源去落地这类产品。