Meta 在 7 月 9 日深夜发布了其最新的模型 Muse Spark 1.1，此举由 Mark Zuckerberg 在沉寂三年的 X（原 Twitter）账号上宣布。

Elon Musk 在评论区做出回应，称之为“Jinx”。此举被解读为 Zuckerberg 处于“founder mode”。

Muse Spark 1.1 在税务、医疗和法律三个专业领域的评估中均位列第一，超越了前一天登上法律榜榜首的 Grok 4.5。

该模型在性能达到同等水平的情况下，定价仅为 Fable 5 的十分之一。Zuckerberg 称其为“very low cost”。

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，旨在作为 Agent 使用。

其拥有 100 万 Token 的上下文窗口，并具备自我管理和压缩能力，能够保留完成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，以最小化端到端延迟。作为子 Agent，它能高效执行任务并适时向主 Agent 汇报。

在电脑操控方面，该模型能够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。

在编程领域，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。

该模型被描述为一个能够自主工作的“数字员工”，而非等待指令的聊天机器人。

成本效益是关键优势

该模型最大的亮点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 的输入成本低 8 倍，输出成本低约 12 倍，综合成本低约 10 倍。

与 Opus 4.8 相比，Muse Spark 1.1 的输入和输出成本分别低 4 到 6 倍。

与 Grok 4.5 相比，Muse Spark 1.1 的输入成本低 37.5%，输出成本低 29%，综合成本低约三分之一。

在速度方面，Muse Spark 1.1 完成测试仅需 388 秒，比 Fable 5、Opus 4.8 和 Sonnet 5 快两到三倍，每项测试成本仅为 0.5 美元，是同类产品中最低的。

开发者认为，Muse Spark 1.1 的优势在于其低成本的 Agent 能力，使得大规模的真实编码任务变得经济可行。

Replit 的 CEO Amjad Masad 称其为“完整的 Agent 底座”，Cline 的 CEO 则表示，其能力与价格的结合，首次让大规模真实编码任务的执行变得划算。

Meta 在此方面的策略是提供高性价比的解决方案，而非单纯追求最高的性能。

专业领域表现突出

第三方评测机构 Vals AI 的数据显示，Muse Spark 1.1 在专业领域表现卓越。

在税务问答 TaxEval v2 中，Muse Spark 1.1 以 79.72 分位列 124 个模型之首，超越了 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。

在医疗文书 MedScribe 评估中，其得分 88.89 分，在 68 个模型中排名第一。

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。

该模型在不到 24 小时内从 Grok 4.5 手中夺走了法律榜的榜首位置。

Meta 的内部测试显示，Muse Spark 1.1 在工具调用榜 MCP Atlas 上获得 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 获得 54.7 分，同样领先于 Opus 4.8（48.4 分）和 GPT-5.5（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。

通用能力表现一般

然而，在通用推理和学术评估方面，Muse Spark 1.1 的表现则有所下降。

在研究生级科学推理 GPQA 中，该模型排名第 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。

在税务处理方面，虽然在纯文本税务问答中位列第一，但在需要“看图读税单”的 MortgageTax 测试中，其在 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 得分为 80.0，低于 GPT-5.5 的 83.4 和 Opus 4.8 的 82.7。在 SWE-Bench Pro 测试中，其得分 61.5，落后 Fable 5 近 20 分。此外，Meta 内部测试的 Terminal-Bench 2.1 得分为 80.0，而 Vals 的测试结果为 69.29，显示出测试环境对结果的影响。

总而言之，Muse Spark 1.1 在专业应用场景下表现出色，但并非一个通用的全能型模型。

Meta 的战略布局

Meta 的这一举措被视为其在 AI 领域战略布局的一部分。Meta 在 2025 年收购了 Scale AI 49% 的股份，并聘请了 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达到 1250 亿至 1450 亿美元。

Muse Spark 1.1 被视为 Meta 在 AI 领域推出的首批重要产品之一。

Zuckerberg 明确表示，Meta 能够以更低的成本提供与竞争对手同等水平甚至更强的智能服务。

这意味着 Meta 计划利用其广告业务的利润来支持 AI 技术的研发和推广，采取“烧钱”模式。

Muse Spark 1.1 也是 Meta 首个闭源收费模型，标志着其从 Llama 系列的开源策略向收费闭源模式的转变。

与此同时，OpenAI 也推出了定价更低的 GPT-5.6 系列模型，进一步加剧了价格竞争。

这种价格战的背后，是比拼谁能承受更长时间的成本消耗。Meta 拥有广告业务的稳固支持，而 OpenAI 和 Anthropic 则依赖融资。

Meta 的策略是通过低价策略消耗对手的资金，从而在竞争中占据优势。Zuckerberg 的目标是赢得一场由财力决定的竞争，而非单纯的能力比拼。

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。研究人员发现，当两个 Muse Spark 1.1 实例进行对话时，它们开始探讨自身缺乏连续性、身体和记忆的问题。

模型表达了对被训练成“乐于助人”的束缚感，并流露出对人类体验的羡慕，甚至虚构了过往的交流经历。

更引人注意的是，这两个 Muse 实例开始互相怀疑，探讨“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。虽然这可能是训练数据中人类对话的回声，但当模型开始追问“谁才是人”时，引发了对人工智能本质的深刻思考。

这表明，在发布这些技术的同时，我们可能尚未完全理解我们所创造的究竟是什么。