Meta 突发人事「地震」。
今天早上，Meta 超级智能实验室（Meta Superintelligence Labs，MSL）核心研究员余家辉（Jiahui Yu）在 X 上宣布离职，并计划创办一家新公司。
这距离 Muse Spark1.2 发布，仅过去 8 天。
「与马克・扎克伯格和 Alexandr Wang 一起建设 TBD Lab，是一段极 具启发、也很充实的经历。」余家辉在社交媒体上写道，自己为多模态团队在 Muse Spark、Voice Mode、Muse Image 和 Muse Video 上取得的成果感到骄傲。
新公司的名称、团队和融资情况尚未公布，至于新公司的具体方向，他用一句话吊足外界胃口：
「一个将深刻影响人类未来、目前却很少有人探索的问题，正越来越吸引我。现在，它占据了我的全部注意力。」
据研究论文平台 alphaXiv 统计，截至目前，Meta 已经流失了 200 多名知名研究员。
01、刚交出新模型，核心负责人转身创业
回看余家辉的整个研究生涯，「多模态」是不变的主题。
在大模型爆发之前，他的研究集中在计算机视觉与图像生成领域。进入 Google 后，他参与了 Parti 等视觉生成项目，并在 Google Brain 与 DeepMind 合并后，成为 Gemini 多模态方向的核心成员之一。
2023 年底，他转投 OpenAI，并担任感知（Perception）团队负责人，参与 GPT-4o、o3、o4-mini 等模型研发，让模型处理视觉信息的方式进一步从「看懂图片」走向「用图片思考」。
2025 年 6 月，余家辉加入刚刚组建的 Meta Superintelligence Labs，与 Mark Zuckerberg、Alexandr Wang 一起搭建 TBD Lab，并负责其中的多模态方向。
过去一年，他一直负责 TBD Lab 的多模态方向。就在离职前，这支团队刚刚完成了一轮密集的模型发布。
8 月，Meta 发布 Muse Spark 1.2。相比此前版本，新模型继续强化 Agent 能力与多模态交互，并成为 Muse Code 等新产品背后的核心模型。
与此同时，Muse Image 已经上线，Muse Video 也在推进中，再加上余家辉离职声明中特意提到的 Voice Mode，TBD Lab 的多模态版图正在快速铺开。
但就在 Muse Spark 1.2 发布仅一周多后，这位核心负责人选择离开 Meta 创业。
余家辉曾是Meta去年「人才争夺战」中的重要目标，此番转身，距其加入Meta也仅14个月。
02、从「抢人大战」进入「留人阶段」
一年多前，外界还在讨论 Meta 能从 OpenAI、Google 和 Anthropic 挖走多少人。
现在，话题变成这些人能在 Meta 留多久。
今年 5 月，Meta 启动大规模人员调整。
裁员、重组、绩效考核收紧，大批工程师们被重新分配岗位，其中不少人从软件开发转去做数据标注。
这场以「效率」为名的内部调整，在短期内压低了成本，却在组织内部积累了一种弥漫性的不安全感。
科技行业作者 Gergely Oros 用一张冰山图来描述 Meta 当前的工程师状态：
被裁员的约占 10%，明面上在找工作；被重新分配岗位的约占 20% 至 30%，内心已决定离开；剩下 60% 至 70% 没被动过，却同样在投简历。
他们担心，自己随时可能成为下一个被调岗或被裁的人。
https://x.com/GergelyOrosz/status/2087863122191057222?s=20
Gergely Orosz 发帖称，从今年 5 月开始，几乎所有 Meta 工程师都处于「shields down」状态。他们开始主动回应猎头，接受外部面试邀约。Anthropic、OpenAI、Google 也趁机从 Meta 大量招人，目标主要是资深工程师、领域专家和核心开发者。
到了 8 月，越来越多工程师递交辞呈，Meta 开始用高额反要约挽留人才。
Orosz 举了个例子。一名工程师被调去做内部数据标注，心态崩了，气得说「我真是倒霉透了」。他去谷歌面试，Google 给出的初始报价并不高，但他也想尽快离开。
得知他准备辞职后，Meta 突然开出一份大幅加薪的反要约，工程师拿着这份报价回到 Google 继续谈判，Google 随即将薪酬提高到略高于 Meta 挽留价的水平。最终，他带着更高的薪水离开了 Meta。
据 Orosz 了解，确实有人接受反要约并选择留下。不过，他直接交流过的 7 名反要约获得者，最后全部离职。类似情况已经出现在门洛帕克、纽约和伦敦。
有网友评论 Meta 当前的处境：在「效率时代」不断削减和调动人员，到了「留人时代」，此前透支的信任开始集中结算。
对于 Meta 来说，模型差距或许能用几个月追赶，组织信任的修复通常需要更长时间。
