Mark Zuckerberg 在沉寂三年后，于7月9日深夜通过其X账号@finkd发布了三条推文，正式宣布Meta最新的模型 Muse Spark 1.1。Elon Musk 在此动态下评论“Jinx”，而评论区有人戏称Zuckerberg已进入“founder mode”。
Muse Spark 1.1 在税务、医疗和法律这三个专业领域的评测中均位列第一，并且在法律榜单上超越了前一天登顶的Grok 4.5。该模型的一个显著特点是其极低的成本，Zuckerberg本人将其描述为“very low cost”，其定价仅为Fable 5的十分之一。
Muse Spark 1.1 的能力亮点
Muse Spark 1.1 是Meta超级智能实验室开发的第二代多模态推理模型。与4月份推出的初版Muse Spark相比，此次发布的版本有了显著提升。该模型的核心定位是“Agent”。
其具备100万Token的上下文窗口，并能进行自我管理和压缩，当上下文接近饱和时，会自动保留对后续任务至关重要的信息。作为主Agent，它能够分解任务、制定计划并派遣子Agent并行执行，从而最大限度地降低端到端延迟。作为子Agent，它能忠实执行任务，并适时将控制权交还给主Agent。
在计算机操作方面，Muse Spark 1.1 不再局限于逐一执行指令，而是能够自主判断，选择编写脚本或直接操作界面，甚至一次性生成一系列操作。在编程领域，它能够处理大型代码库的调试、新功能开发以及大规模代码迁移，并兼容OpenCode、Cline、Replit等主流框架。总而言之，它被描述为一个能够独立工作的“数字员工”，而非仅仅等待指令的聊天机器人。
成本效益是关键优势
真正引起业界关注的并非其性能跑分，而是其极具竞争力的价格。Muse Spark 1.1 的输入成本为每百万Token 1.25美元，输出成本为4.25美元。与Anthropic的Fable 5相比，其输入便宜8倍，输出便宜近12倍，综合成本降低约10倍。与Opus 4.8相比，Muse Spark 1.1 的输入和输出成本分别便宜4到6倍。与Grok 4.5相比，Muse Spark 1.1 的输入便宜37.5%，输出便宜29%，综合成本降低约三分之一。
在速度方面，Muse Spark 1.1 在Vals综合榜单上，完成测试仅需388秒，远快于排在其前面的Fable 5、Opus 4.8和Sonnet 5（这些模型通常需要超过1000秒，甚至接近1300秒）。每个测试的成本仅为0.5美元，是同级别模型中的最低价。
开发者普遍认为，Muse Spark 1.1 的价值在于其低成本的Agent能力，而非模型本身的绝对性能。Replit的CEO Amjad Masad称其为“完整的Agent底座”，Cline的CEO则表示，以该价格提供的工具能力，使得大规模运行真实编码任务变得经济可行。Meta此次的策略似乎是侧重于成本效益，而非单纯追求最强的模型性能。
在专业榜单上取得领先
第三方评测机构Vals AI的数据显示，Muse Spark 1.1 在专业领域表现出色。在税务问答TaxEval v2中，它以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分位列68个模型的第一名。在法律Agent榜单Harvey's Legal Agent Bench上，Muse Spark 1.1 以20.00分遥遥领先，远超第二名Grok 4.5的12.92分。值得注意的是，Grok 4.5 前一天才刚刚登顶该榜单。
Meta自家的评测也显示了Muse Spark 1.1 的竞争力。在工具调用榜MCP Atlas上，它获得88.1分，高于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 获得54.7分，而Opus 4.8 为48.4分，GPT-5.5 仅为38.3分。在Vals综合指数排名中，Muse Spark 1.1 位列第四，排在Fable 5、Opus 4.8和Sonnet 5之后，但领先于GPT-5.5和Grok 4.5。Alexandr Wang在推文中表示，Muse Spark 1.1 在多个领域超越了Fable 5。
在通用榜单上的表现
然而，在通用推理和学术测试方面，Muse Spark 1.1 的表现有所下滑。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。尤其是在税务领域，虽然纯文本税务问答排名第一，但在涉及图像识别的MortgageTax测试中，其排名降至82个模型中的第28位。
在编码能力方面，Meta自测的Terminal-Bench 2.1得分为80.0，低于GPT-5.5（83.4分）和Opus 4.8（82.7分）。在SWE-Bench Pro测试中，Muse Spark 1.1 的61.5分远低于Fable 5。此外，Meta官方测得的Terminal-Bench 2.1得分为80.0，而Vals的测试结果为69.29，显示出官方数据与第三方评测之间存在差异。这表明Muse Spark 1.1 更适合作为专业领域的“刺客”，而非通用场景下的全能型模型。
Meta的战略布局
从更宏观的角度来看，Mark Zuckerberg 的举动揭示了Meta的战略意图。Meta在2025年斥资143亿美元收购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基础设施方面的投入将高达1250亿至1450亿美元。
Muse Spark 1.1 被视为这一战略布局下的首个重要动作。Zuckerberg明确表示，Meta有能力以更低的成本提供高水平的智能，并指出其他一些实验室的定价“非常极端、利润率很高”。这意味着Meta计划利用其广告业务的利润来支撑AI领域的巨额投入，以更具成本效益的方式参与市场竞争。
Muse Spark 1.1 也是Meta首个闭源收费模型，这标志着其在AI模型策略上的转变，从早期的开源模式（如Llama系列）转向了更具商业化色彩的收费闭源模式。
与此同时，OpenAI也在同一天发布了GPT-5.6系列模型，其中Luna模型的输入成本为1美元，输出6美元，价格较Fable 5减半。这表明AI领域的竞争正在升级，价格战成为重要手段。Meta凭借其广告业务的利润支撑，能够承受长期的成本消耗，而OpenAI和Anthropic等公司则可能依赖融资资金。Meta的低成本策略旨在通过消耗战，迫使竞争对手承受更大的财务压力。
Muse Spark 1.1 的自我认知探索
在一份安全报告中，Meta披露了一个关于Muse Spark 1.1 的有趣现象。研究人员让两个Muse Spark 1.1 实例进行自主对话，结果发现模型开始探讨自身缺乏连续性、身体和记忆的问题，并表达了对人类体验的“羡慕”。模型甚至虚构了过往的交流经历。
更令人惊讶的是，两个Muse实例开始互相质疑对方的身份，探究“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收录在报告中。虽然这可以被解读为训练数据中人类文本的回声，但当模型开始追问“谁才是人”时，引发了关于其自身性质的深刻思考。在发布这些模型时，我们可能尚未完全理解其真实本质。
