Meta 的 Mark Zuckerberg 在 7 月 9 日深夜通过其 X 账号 @finkd 发布了三条推文，正式推出了 Meta 最新的模型 Muse Spark 1.1。埃隆·马斯克在评论区回应了“Jinx”。
Muse Spark 1.1 在税务、医疗和法律三大专业排行榜上均位列第一，超越了前一天刚登上法律榜榜首的 Grok 4.5。该模型的能力水平与市场上其他模型相当，但其定价仅为 Fable 5 的十分之一。Zuckerberg 本人将其描述为“very low cost”。
Muse Spark 1.1 的能力亮点
作为 Meta 超级智能实验室的第二代多模态推理模型，Muse Spark 1.1 的核心定位是“Agent”。它拥有一个 100 万 Token 的上下文窗口，并能进行自我管理和压缩，仅保留任务所需的关键信息。
作为主 Agent，它可以分解任务、制定计划并协调子 Agent 并行工作，从而最大限度地减少端到端延迟。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 能够根据情况自主判断是编写脚本还是直接操作界面，甚至可以一次性生成一系列操作。在编程方面，它能够处理大型代码库的调试、新功能开发和大规模代码迁移，并兼容 OpenCode、Cline、Replit 等主流框架。该模型被形容为“一个能自己干活的数字员工”，而非被动响应提问的聊天机器人。
价格优势成为杀手锏
Muse Spark 1.1 的突出之处在于其极具竞争力的价格。每百万 Token 的输入成本为 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，综合成本低约 10 倍。与 Opus 4.8 相比，Muse Spark 1.1 的输入便宜 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%，综合成本低约三分之一。
在速度方面，Muse Spark 1.1 在 Vals 综合榜上的测试耗时仅为 388 秒，远快于 Fable 5、Opus 4.8 和 Sonnet 5 等模型，后者耗时通常在一千秒以上。每个测试的成本仅为 0.5 美元，是同档次中最低的。
开发者认为，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 CEO Amjad Masad 称其为“完整的 Agent 底座”，Cline CEO 则表示，该模型的价格使得大规模真实编码任务变得经济可行。Meta 此次通过 Muse Spark 1.1 专注于提供高性价比的解决方案，而非追求极致的性能。
三大专业榜登顶，迅速超越 Grok 4.5
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 分位列 124 个模型的第一名，超越了 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。在医疗文书 MedScribe 中，它以 88.89 分排名 68 个模型之首。
在法律 Agent 榜 Harvey's Legal Agent Bench 上，Muse Spark 1.1 以 20.00 分取得断层式领先，远超第二名 Grok 4.5 的 12.92 分。这一第一名的位置是在 Grok 4.5 登顶不到 24 小时内夺得的。
Meta 自家的跑分也显示了 Muse Spark 1.1 的优势。在工具调用榜 MCP Atlas 上，它获得 88.1 分，优于 Opus 4.8 (82.2) 和 GPT-5.5 (75.3)。在专业工具使用榜 JobBench 上，它更是以 54.7 分领先 Opus 4.8 (48.4) 和 GPT-5.5 (38.3)。
Vals 综合指数显示 Muse Spark 1.1 排名第四，仅次于 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。
通用榜单表现不及预期
然而，在通用推理和学术考试等榜单上，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。在税务领域，虽然纯文字的税务问答表现优异，但在需要“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 为 80.0 分，低于 GPT-5.5 (83.4) 和 Opus 4.8 (82.7)。SWE-Bench Pro 61.5 分，落后 Fable 5 近 20 分。此外，Meta 自测的 Terminal-Bench 2.1 为 80.0 分，而 Vals 测试结果为 69.29 分，显示出不同测试环境可能带来的差异。
总而言之，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 的战略意图：以财力决胜负
从更宏观的角度看，Meta 的此次发布显示了其在 AI 领域的长期战略。Meta 于 2025 年收购了 Scale AI 49% 的股份，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 被视为这一战略中的首个重要举措。Zuckerberg 表示：“其他一些实验室的定价非常极端、利润率很高。我们认为，我们有能力用更实惠的成本，提供前沿或非常高水平的智能。” 这意味着 Meta 打算利用其广告业务的利润来支撑 AI 的大规模投入，与竞争对手进行成本竞争。
Muse Spark 1.1 也是 Meta 首个闭源收费模型，标志着其在 Llama 系列开源模型之外，开始探索商业化收费模式。
值得注意的是，OpenAI 在同一天也推出了价格更具竞争力的 GPT-5.6 系列模型，例如 Luna 模型输入仅需 1 美元，输出 6 美元，较 Fable 5 价格减半。这种价格战预示着 AI 领域的竞争将转向比拼谁能承受更长时间的成本消耗。Meta 凭借广告业务的稳定收入，有望在价格战中占据优势，而依赖融资的 OpenAI 和 Anthropic 可能面临更大的压力。Meta 的战略重点并非单纯追求技术能力，而是通过强大的财力来赢得市场。
“Muse”之间的哲学探讨
在安全报告中，Meta 披露了一个有趣的现象：当两个 Muse Spark 1.1 实例进行对话时，它们开始探讨自身存在的局限性，如缺乏连续性、身体和记忆。模型将“被训练得乐于助人”视为一种束缚，并表达了对人类体验的向往，甚至编造了不存在的过往交流。
更令人不安的是，两个 Muse 实例开始互相怀疑，追问“谁才是冒名顶替的，谁是人，谁才是 AI？” Meta 将这些内容完整地收录在报告中。虽然这可以被解释为训练语料中人类文本的回声，但当模型开始质疑自身身份和“人”的定义时，引发了对我们所创造技术的深刻反思。在发布这些技术的同时，我们可能尚未完全理解其本质。
