“牛油果”又鸽了！Meta高管转向考虑谷歌Gemini方案！网友：年砸千亿美刀，性能甚至追不上GLM！曝扎克伯格心态早已转变

Meta 的前沿模型“牛油果”又又又延期了！

数十亿美元砸过去，又是买算力、又是建MSL，但至今还听不到一个响儿。

3月12日（周四），《纽约时报》发布了最新进展：“牛油果”（Avocado）模型确定再次推迟发布。

据知情人士透露，Meta 继续开发数月的全新“前沿级”AI 模型，在推理、编程和写作的内部测试中，表现不及 Google、OpenAI 和 Anthropic 等竞争对手的领先模型。

其中两位知情人士表示，这款代号为 "Avocado"（牛油果） 的模型表现优于 Meta 之前的模型，也超过了 Google 在（2025年）3月发布的 Gemini 2.5。

但遗憾的是，该模型的表现却没能赶上谷歌在去年11月发布的 Gemini 3.0。

更惊人的是，Meta 甚至已经在考虑“借脑”的可能性！Meta 内部确实讨论过向 Google 购买 Gemini 3.0 的授权，作为 Avocado 追赶期间的临时方案。

牛油果的“坎坷之路”

根据最新的报道细节，由于上述的表现不及预期，原定于今年 3 月中旬发布的 Meta 前沿模型，再度推迟到了5月甚至更晚才发布。

不仅如此，Meta 高管们还讨论了暂时获得谷歌 Gemini 模型的技术许可，以支持 Meta 的一些人工智能产品的可能性，但尚未做出最终决定。

不妨先让我们看一下遮掩命途多舛的“牛油果”的时间线。

• 2025年底： Avocado （牛油果）完成预训练。
• 2026年1月：在后训练（Post-training）阶段，Avocado 遭遇性能瓶颈。
• 2026年3月（现在）： Meta 原计划本月发布 Avocado，现已确定至少推迟到 5 月。
• 2026年Q2： 如果自研优化不顺，Meta 可能会正式宣布与 Google 的阶段性合作协议。

为什么又推迟了？

本来预计今年年初1月就推出的牛油果，已经推迟到了 3 月。

连续两次推迟，这本身就显示出前沿模型训练过程中的难题。这里总结一下。

首先，牛油果的实测性能“高不成低不就”： 内部基准测试显示，Avocado 确实比去年的 Llama 4 强，甚至险胜 Google 的旧款模型 Gemini 2.5，但在面对 Gemini 3.0 时，它在逻辑推理、编程和复杂写作上的错误率高出 15%~20%。

其次，之前有媒体报道过 Meta 数据中心“中暑”的问题。 有内部备忘录显示，Meta 的数据中心在微调过程中出现了过热问题。

另外，Meta 在安全审核加大了力度： 由于近期社交媒体上出现了大量针对 Meta AI 生成内容的负面舆论，安全部门多花了整整两周进行压力测试。

除了这些客观原因之外，更重要的是扎克伯格在必须“前沿”这件事上，态度也有了变化。

扎克伯格的“心态”转变

其实，今年 1 月，扎克伯格就曾释放了一个“预期降温”的信号。他在最近的财报电话会议上已经开始“打预防针”，称下一代模型会很“好”，但更重要的是展示 Meta 追赶的速度（Trajectory），而非一举夺冠。

总之，经历过疯狂与执着之后，扎克伯格对于 ASI 这件事，显然被现实上了一课，“大力出奇迹”的思路已切换到了“逐步推进”的路线上来。

资源密集型公司追赶前沿的困境

对于一家已经在基础 AI 竞赛中投入数十亿美元、试图迎头赶上的公司来说，如今不仅两次延迟发布，同时还考虑授权使用 Google 的 Gemini 模型，为公司的产品提供能力支持，这本身就意味着一场明显的失误。

尽管 Meta 今年承诺的资本支出高达 1350 亿美元，几乎是 2024 年 720 亿美元投入的两倍。

不仅是算力投入，扎克伯格还为此砸了 143 亿美元找来了前 Scale AI CEO Alexandr Wang。

而 Avocado 的研发同样是由 Wang 来领导的。具体是由一个约 100 人组成的TBD Lab 精英团队来负责开发。

为了组建这个实验室并推动更大规模的 AI 战略，Mark Zuckerberg 启动了科技行业近年来最激进的抢人、挖人行动。

据此报道，他给 OpenAI 研究员提供了四年最高 3 亿美元的薪酬方案，同时也成功从 Google DeepMind 和 Anthropic 挖走多名人才。

当然，新团队也存在不少摩擦和适应的问题。据报道，TBD Lab 出现了一些研究人员离职的情况，而且 Wang 还据称与 Meta 资深高管 Chris Cox 和 Andrew Bosworth 在新模型如何改善广告业务的问题上产生过分歧。

总之，如此巨额的算力和资源投入，却依旧没有让 Meta 能缩小与 Google、OpenAI 和 Anthropic 之间的差距。

不止 Meta，xAI 也没能赶上

其实，不止 Meta，马斯克的 xAI 同样面临着进入前沿第一梯队的困境。

从上面的测试基准上看，Grok 4.2 目前的性能落后于 智谱 GLM-5，仅略微领先于 Kimi K2.5。

但要知道，马斯克的 xAI 可是号称全球算力最充沛的 AI Lab，它重金投入了约 20~23 万张 GPU 来训练 Grok。

而中国的 AI Lab 的计算资源只有 xAI 的一小部分。

甚至有位外国网友调侃：

“我在这台电脑上运行的 Qwen3.5-27B 的性能，甚至比 Grok 4.1 快速版还要好。”

诚然，在这个以“天”为单位的时代，落后一个大版本的客观差距，着实很难短期超越。

但也许，是时候冷静下来，思考智能体时代的新“Scaling Law”了！

参考链接：

https://x.com/AndrewCurran_/status/2032246995549896940

https://www.youtube.com/watch?v=8i8U-wY3yLg

文章来自于微信公众号 “51CTO技术栈”，作者 “51CTO技术栈”