Meta 的 Superintelligence Labs 發表「Avocado」與「Mango」：轉向自治世界模型（autonomous world models）
DAVOS — 為了決定性地重奪其在人工智慧前沿的地位，Meta Platforms 已針對其祕密的 Superintelligence Labs（MSL）首次重大成果打破沉默。本週在達沃斯世界經濟論壇（World Economic Forum）發言時，CTO Andrew Bosworth 透露公司在兩個不同的 AI 模型方面取得了重大的內部突破：Project Avocado，一款為高階推理優化的次世代文字模型；以及 Project Mango，一套建立於「世界模型」（world model）架構上的視覺智慧系統。
此項公告標誌著 Meta 的關鍵轉捩點。繼 2025 年中 Llama 4 反響不一後，CEO Mark Zuckerberg 執行了大規模重組，在 Alexandr Wang 的領導下成立了 Superintelligence Labs。Avocado 與 Mango 的亮相表示 Meta 在積極的人才招募與基礎設施投資終於開始看到成效，並以 2026 年第一季為目標準備對外發佈。
The Superintelligence Mandate：策略性轉向
Meta Superintelligence Labs 的成立代表公司 AI 哲學的根本轉變。MSL 的任務從早期 Llama 世代以產品整合為主，改為以單一目標為核心：達成「自治」（autonomy）與「深度推理」（deep reasoning）。
在達沃斯揭露的路線圖顯示，Meta 不再滿足於僅僅為 Instagram 與 WhatsApp 提供聊天機器人動力。公司正在轉向所謂的「代理型」（agentic）系統——能夠規劃、推理並在長時間尺度上執行複雜任務的 AI。
「產業在增量擴充上撞牆了，」Bosworth 在演說中指出。「有了 Avocado 與 Mango，我們不只是預測下一個 token；我們在模擬物理與數位世界的底層邏輯。」
Project Avocado：精通程式與邏輯
Project Avocado 代表了 Meta 對軟體開發與複雜邏輯推理日益增長需求的直接回應。與先前作為通用 omni-model 的前代不同，Avocado 已專門微調以解決困擾先前開源模型的「推理落差」。
超越模式匹配
內部報告顯示，Avocado 採用了新穎架構，在預訓練階段即優先處理「思考鏈」（Chain of Thought，CoT），而不僅限於推論時使用。這讓模型能夠：
- 自我修正程式碼：在無需人工介入的情況下，識別並修補軟體迴圈中的漏洞。
- 多步驟規劃：將複雜的邏輯查詢拆解為可執行的子任務，其精確度優於 GPT-5 級模型。
- 情境持續性：在顯著更長的上下文視窗中維持連貫的邏輯流，對於企業級應用至關重要。
藉由重點放在程式與邏輯上，Meta 旨在搶占日益被封閉源碼專有模型集中化的開發者市場。
Project Mango：視覺智慧的物理學
當 Avocado 處理抽象層面時，Project Mango 處理具體世界。Mango 被描述為「世界模型」（World Model，首次出現已註明原文）而非單純的影像生成器，設計目標是理解物理、因果關係與時間連續性。
「世界模型」的優勢
現有的生成式影片模型經常在「幻覺」情形中遭遇問題，物體會不現實地變形或違反重力。Project Mango 企圖透過與像素生成同步學習物理定律來解決此問題。
- 時間一致性：Mango 生成的影片中，物體會在時間序列上維持其形狀、質量與速度。
- 互動性：早期示範暗示使用者能「互動」生成場景，改變變數（如光源或物體位置）時，模型會即時重新計算物理結果。
- 原生多模態：Mango 不只是文字轉影片；它接受影片輸入以分析並預測未來畫面，有效地扮演真實情境的模擬器。
比較分析：新競局
這些模型的推出讓 Meta 與業界現有領導者直接對峙。下表強調 Avocado 與 Mango 如何與現有生態系區分。
Table 1: Competitive Landscape Analysis (Projected Specs)
| Model / Project | Primary Focus | Key Differentiator | Target Architecture |
|---|---|---|---|
| Meta Project Avocado | Logic & Coding | Deep reasoning & self-correction | CoT-Integrated Transformer |
| Meta Project Mango | Visual Simulation | Physics-based "World Model" | Latent Diffusion + Physics Engine |
| OpenAI o-Series | General Reasoning | Broad knowledge base | Reinforcement Learning |
| Google Gemini Ultra | Multimodal Integration | Native multimodal processing | Mixture-of-Experts (MoE) |
（註：表格內容保留專案與架構原文名稱以維持專有名詞一致性。）
對 AI 產業的策略性影響
Avocado 與 Mango 的發布不僅是產品發表；它還驗證了 Meta 所爭議的「強度之年」策略。引入像 Alexandr Wang 這類外部領導，以及對 H200 叢集的大量資本支出，似乎已在 Llama 4 的挫折後修正了方向。
開源問題
一個關鍵問題仍未解答：Meta 會開放 Avocado 與 Mango 的原始權重嗎？
歷來 Meta 支持開放權重。然而，這些模型的先進能力——特別是 Mango 在逼真模擬方面的潛力與 Avocado 在網路攻防上的能力——可能迫使策略改變。Bosworth 暗示可能採取「分級發佈」，將最具能力的版本保留給企業夥伴，或在更嚴格的安全許可下釋出。
發佈之路：2026 年第一季及以後
隨著接近計劃中的 2026 年第一季發佈，業界正準備迎接新一波競爭。Meta 向「世界模型」與「推理代理」的轉向顯示，下一個 AI 的戰場不僅是誰能生成最好的文字或影像，而是誰能建構最精準的現實模擬。
Development Timeline & Milestones
| Phase | Milestone | Status | Key Deliverables |
|---|---|---|---|
| Phase 1 | Internal Training | Completed | Core model architecture validated; 100k+ GPU cluster utilization. |
| Phase 2 | Red Teaming | In Progress | Safety alignment; Adversarial testing for coding vulnerabilities. |
| Phase 3 | Partner Beta | Q1 2026 (Planned) | API access for select enterprise partners; Integration into Ray-Ban Meta smart glasses. |
| Phase 4 | Public Release | H1 2026 | Open weight release (TBD) or general API availability. |
對於開發者與企業來說，達沃斯傳遞的訊息很明確：Meta 已重返競賽，而且這一次，他們打造的是一個 AI 不僅會聊天——而是會行動的世界。
