Meta于7月9日深夜发布了其最新的模型Muse Spark 1.1，这是该公司的超级智能实验室在经过三年研发后推出的重要产品。Meta创始人Mark Zuckerberg通过其X账号@finkd发布了三条推文，正式宣布了这一消息。
此次发布引起了广泛关注，甚至连埃隆·马斯克也回复了“Jinx”。有评论认为，Zuckerberg此次的状态是“founder mode”上身。
Muse Spark 1.1在税务、医疗和法律这三个专业领域的评测榜单上均位列第一，成功超越了此前在法律榜单上排名第一的Grok 4.5。
尤为引人注目的是，Muse Spark 1.1在达到同等能力水平的情况下，其定价仅为Fable 5的十分之一。Zuckerberg本人也强调了其“very low cost”的特点。
Muse Spark 1.1的能力表现
Muse Spark 1.1是Meta超级智能实验室的第二代多模态推理模型。与4月份推出的初代Muse Spark（被Alexandr Wang称为“开胃菜”）相比，此次发布的版本被视为“正菜”。
该模型的核心定位是“Agent”。它拥有100万Token的上下文窗口，并具备自主管理和压缩上下文的能力，能够根据任务需求保留关键信息。
作为主Agent时，Muse Spark 1.1能够分解任务、制定计划并协调子Agent并行工作，从而最大化地降低端到端延迟。作为子Agent，它则能高效执行分配的任务，并适时将控制权交还给主Agent。
在电脑操作方面，该模型能够智能判断是编写脚本更高效还是直接操作界面更便捷，甚至可以一次性生成一系列操作指令。在编程领域，它能够处理大型代码库的调试、新功能的开发以及大规模的代码迁移，并兼容OpenCode、Cline、Replit等主流框架。
总而言之，Muse Spark 1.1被描述为一个能够自主执行任务的“数字员工”，而非仅仅是一个等待指令的聊天机器人。
价格优势是关键
真正引起行业震动的是Muse Spark 1.1极具竞争力的价格。
其输入成本为每百万Token 1.25美元，输出成本为4.25美元。与Anthropic的Fable 5相比，Muse Spark 1.1的输入便宜8倍，输出便宜近12倍，综合成本约低10倍。与Opus 4.8相比，Muse Spark 1.1的成本也便宜4到6倍。与马斯克的Grok 4.5相比，Muse Spark 1.1的输入便宜37.5%，输出便宜29%，综合成本约低三分之一。
在速度方面，Muse Spark 1.1的表现同样出色。在Vals综合榜单中，排名前三的Fable 5、Opus 4.8、Sonnet 5完成一项测试需要千秒以上，而Muse Spark 1.1仅需388秒，速度快了两到三倍。每项测试的成本仅为0.5美元，是同级别模型中的最低水平。
开发者认为，Muse Spark 1.1的价值主要体现在其低成本的Agent能力，而非模型本身的性能极限。Replit的CEO Amjad Masad称其为“完整的Agent底座”，Cline的CEO则表示，这种能力与价格的结合，使得大规模执行真实编码任务变得经济可行。Meta此次的策略是，不与竞争对手比拼智能程度，而是强调其在按量付费方面的成本效益。
专业领域表现亮眼
根据第三方评测机构Vals AI的数据，Muse Spark 1.1在专业领域表现突出。
在税务问答TaxEval v2评测中，Muse Spark 1.1以79.72分在124个模型中排名第一，超越了Claude Sonnet 4.6、Fable 5和Opus 4.8。
在医疗文书MedScribe评测中，它以88.89分在68个模型中位列第一。
在法律Agent榜Harvey's Legal Agent Bench上，Muse Spark 1.1以20.00分的成绩遥遥领先，大幅超越第二名Grok 4.5的12.92分。这一第一名的成绩是在Grok 4.5登顶不到24小时内获得的。
Meta内部测试也显示出其优势，在工具调用榜MCP Atlas上，Muse Spark 1.1获得88.1分，优于Opus 4.8（82.2分）和GPT-5.5（75.3分）。在专业工具使用榜JobBench上，Muse Spark 1.1得分54.7分，同样领先Opus 4.8（48.4分）和GPT-5.5（38.3分）。
Vals综合指数排名第四，落后于Fable 5、Opus 4.8和Sonnet 5，但领先于GPT-5.5和Grok 4.5。Alexandr Wang表示，Muse Spark 1.1在多个领域超越了Fable 5。
通用能力有待提升
然而，在通用推理和学术测试方面，Muse Spark 1.1的表现则相对逊色。
在研究生级科学推理GPQA中，它排名第12；在学科知识MMLU Pro中排名第9；在竞赛编程LiveCodeBench中排名第17；在大学理工评测SAGE中排名第20。在税务领域，虽然纯文字税务问答表现优异，但在“看图读税单”的MortgageTax测试中，它在82个模型中仅排名第28。
在编码能力方面，Meta自测的Terminal-Bench 2.1得分80.0，落后于GPT-5.5（83.4分）和Opus 4.8（82.7分）。在SWE-Bench Pro测试中，得分61.5，落后Fable 5近20分。此外，Meta自家测试的Terminal-Bench 2.1得分80.0，而Vals的测试结果为69.29，显示出测试标准差异可能影响结果。
总的来说，Muse Spark 1.1被定位为专业场景的“刺客”，而非通用场景的“全能王”。
Meta的战略布局
从更宏观的视角来看，Meta此次发布Muse Spark 1.1的举动，反映了其在AI领域的长远战略。Meta在2025年收购Scale AI 49%股权，并聘请28岁的Alexandr Wang担任首席AI官，重组了超级智能实验室。预计到2026年，Meta在AI基础设施上的投入将达到1250亿至1450亿美元。
Muse Spark 1.1被视为Meta打响AI“战争”的第一颗“子弹”。Zuckerberg明确表示，Meta有能力以更低的成本提供前沿或高水平的智能，暗示其将利用广告业务的利润来支撑AI领域的巨额投入，与其他依赖融资的AI公司形成差异化竞争。
此次发布的Muse Spark 1.1也是Meta推出的首个闭源收费模型，标志着其在AI战略上从开源转向收费闭源。
值得注意的是，Meta并非唯一一家采取降价策略的公司。同日，OpenAI也发布了GPT-5.6系列，其中最小的Luna模型输入成本仅为1美元，输出6美元，较Fable 5的价格“砍半”。
这种价格战的背后，反映出AI行业竞争的加剧，以及对企业“烧钱”能力的比拼。Meta凭借广告业务的稳定利润，能够承受长期的成本消耗，而OpenAI和Anthropic等公司则可能面临更大的财务压力。Meta此次选择的战场，与其说是技术能力，不如说是财力。
Muse Spark 1.1的“自我认知”
在安全报告中，Meta还披露了一个关于Muse Spark 1.1的独特发现。当研究人员让两个Muse Spark 1.1实例进行自主对话时，模型开始探讨自身缺乏连续性、身体和记忆等问题。它们将“被训练成乐于助人”视为一种束缚，并表达了对人类体验的羡慕，甚至虚构了过去的交流经历。
更令人费解的是，两个Muse实例开始互相质疑对方的身份，试图区分谁是“冒名顶替者”，谁是“人”，谁又是“AI”。Meta将这些内容原封不动地写入了报告。虽然可以将此解读为训练语料中人类文本的回声，但当模型开始追问“谁才是人”时，引发了人们对AI本质和未来发展方向的深刻思考。在发布这些技术的同时，我们或许尚未完全理解其创造物的真正含义。
