Meta MUSE专家交流 [玫瑰]战略方向： Meta正由Llama开源生态转向闭源模型商业化。MUSE采用独立于Llama的训练体系，聚焦AI购物及任务型A

图片

无图片

Meta MUSE专家交流

[玫瑰]战略方向： Meta正由Llama开源生态转向闭源模型商业化。MUSE采用独立于Llama的训练体系，聚焦AI购物及任务型Agent，计划通过用户订阅、交易抽佣及智能体广告实现变现。

[玫瑰]模型能力： Meta跨平台用户数据构成MUSE核心竞争优势。整合Instagram、Facebook等平台的授权用户数据，提升个性化推荐能力，专家称相关场景转化率较传统算法提升至少约30%。采用“传统算法初筛+大模型二次精排”模式，兼顾效果与成本。

[玫瑰]Token消耗：不同任务Token消耗差异显著，纯聊天场景通常低于1万Token，工具调用约1万—20万Token，Computer use类场景最高可达100万Token，95%以上用户主要使用轻度聊天功能。

[玫瑰]商业化进展： MUSE仍处用户扩张阶段，交易抽佣尚未实质落地。目前产品仍处早期，未来计划探索交易分成及Agent广告竞价模式；订阅端设置20美元/月、100美元/月两档，现阶段愿意承担一定亏损以获取用户。

[玫瑰]场景落地：机票、酒店等标准化场景更易落地，服装等隐性偏好较多的品类难度较高。当前主要瓶颈在于第三方数据接入及复杂任务执行，亚马逊已限制MUSE访问商品信息，部分航司API未开放亦影响推荐完整性。

[玫瑰]行业影响：购物Agent有望重塑电商及OTA流量分配格局。亚马逊及依赖竞价排名的头部OTA平台广告业务或受冲击。商户未来需优化商品描述、图片等信息，以提升AI推荐曝光。

主题正文

MUSE采用独立于Llama的训练体系，聚焦AI购物及任务型Agent，计划通过用户订阅、交易抽佣及智能体广告实现变现。
[玫瑰]模型能力： Meta跨平台用户数据构成MUSE核心竞争优势。
整合Instagram、Facebook等平台的授权用户数据，提升个性化推荐能力，专家称相关场景转化率较传统算法提升至少约30%。
[玫瑰]Token消耗：不同任务Token消耗差异显著，纯聊天场景通常低于1万Token，工具调用约1万—20万Token，Computer use类场景最高可达100万Token，95%以上用户主要使用轻度聊天功能。
订阅端设置20美元/月、100美元/月两档，现阶段愿意承担一定亏损以获取用户。
[玫瑰]场景落地：机票、酒店等标准化场景更易落地，服装等隐性偏好较多的品类难度较高。
当前主要瓶颈在于第三方数据接入及复杂任务执行，亚马逊已限制MUSE访问商品信息，部分航司API未开放亦影响推荐完整性。
[玫瑰]行业影响：购物Agent有望重塑电商及OTA流量分配格局。