Meta新王牌模型爆沖性價比！小扎時隔三年重返X，馬斯克火速隔空點評

智東西
編譯 茄子
編輯 程茜

智東西7月10日消息，昨晚，Meta超級智能實驗室發布其迄今最強多模態推理模型Muse Spark 1.1。該模型專為Agent任務打造，重點提升了工具調用、電腦操作、編程以及多模態理解能力，能夠圍繞用戶目標規劃任務并調用外部工具完成復雜工作流。

▲Meta發布Muse Spark 1.1（圖源：X）

同日，Meta正式推出新Meta模型的API公開預覽版，開發者可以通過API調用Muse Spark 1.1。這也是Meta首次向開發者推出付費版本。目前該模型已在Meta AI移動端App、官網meta.ai上線，用戶可在思考模式下使用該模型。

Muse Spark 1.1支持100萬Token上下文窗口，且該模型輸入價格為每百萬Token 1.25美元（約合人民幣8.49元），輸出價格為每百萬Token 4.25美元（約合人民幣28.86元），低于當前多款主流閉源模型。

▲大模型價格對比（智東西制表）

Meta創始人兼CEO馬克·扎克伯格（Mark Zuckerberg）也在X上發文宣傳該模型，這是扎克伯格3年來首次在X上發文。有網友戲稱，竟然不知道扎克伯格還有X賬號。

▲扎克伯格發文宣傳Muse Spark 1.1與網友評論（圖源：X）

馬斯克也來湊熱鬧，在扎克伯格的評論區留下了“Jinx”。

▲馬斯克的評論（圖源：X）

相比傳統大模型主要用于回答問題和生成內容，Muse Spark 1.1進一步強化了AI執行任務的能力。Meta稱，該模型可以協調多個Agent共同完成任務，管理100萬token上下文窗口，并在長期任務中保持此前操作記錄和關鍵信息。

除了Agent能力外，在編程方面，Meta稱，Muse Spark 1.1在復雜編程任務中實現明顯提升，可完成大型代碼庫理解、Bug修復和功能開發，并支持Agent編程中的規劃、協作與上下文管理。

▲Muse Spark 1.1在編程能力方面較Muse Spark有很大提升（圖源：Meta）

同時，Meta稱，通過此次升級，Muse Spark 1.1進一步提升了模型性能與效率。結合前天發布的圖像模型Muse Image，Meta認為兩款模型正推動其“個人超級智能”愿景落地，即讓AI模型能夠幫助用戶實現目標、創造內容、增強社交連接，并圍繞用戶關注的事情主動采取行動。

超級智能實驗室負責Alexandr Wang發文稱，Muse Spark 1.1在多項智能體評估中，可與GPT-5.5和Opus-4.8相媲美。

▲Alexandr Wang發文（圖源：X）

一、Agent能力全面升級，Muse Spark 1.1可規劃任務并完成復雜工作流

Meta稱，Muse Spark 1.1是一款面向Agent場景設計的多模態推理模型，重點優化了任務規劃、工具調用、復雜工作流執行以及多模態理解能力。相比傳統聊天模型只能根據指令生成回答，Muse Spark 1.1能夠圍繞用戶目標拆解任務，制定執行計劃，并調用外部工具完成連續操作。

在Agent協作場景中，Muse Spark 1.1既可以作為主Agent負責收集信息、制定計劃，并將任務分配給多個子Agent，也可以作為子Agent執行具體工作。Meta稱，該模型能夠零樣本適配新的原生工具、MCP服務器以及自定義技能，無需針對每個工具重新訓練。

此外，Muse Spark 1.1支持管理100萬token上下文窗口，能夠記錄此前執行過的操作，從更早任務階段檢索信息，并通過上下文壓縮保留后續工作所需的重要內容。

在Computer Use場景中，該模型可以跨多個應用執行連續任務，并根據需求選擇直接操作界面或生成自動化腳本。

在實際應用中，由于新的情境會不斷出現，任務也會隨之發生改變，而Muse Spark 1.1則可以根據情境的變化自行更行任務要求。比如，Muse Spark 1.1在處理晚宴訂單時能夠感知到這些變化，并在無需用戶干預的情況下進行必要的更新。

▲Muse Spark 1.1處理任務時可根據場景變化自行更新任務要求（圖源：Meta）

除了任務執行能力，Muse Spark 1.1也強化了Agent編程能力。Meta稱，該模型能夠處理大型復雜代碼庫，完成Bug診斷與修復、新功能開發以及代碼遷移等任務，并支持規劃模式、目標控制、子Agent調用和上下文壓縮等Agent編程能力。

在編程測試平臺OpenCode測試中，Muse Spark 1.1能夠創建聊天網頁應用，通過自動截圖發現界面問題，定位相關代碼并完成修復驗證。

▲Muse Spark 1.1處理任務時可根據場景變化自行更新任務要求（圖源：Meta）

與此同時，Muse Spark 1.1進一步增強視覺、音頻理解和多模態工具調用能力。Meta稱，該模型能夠結合視覺和音頻信息，在長流程任務中保留關鍵細節，并利用這些信息幫助用戶完成現實環境中的操作。

比如，在Facebook二手交易市場上，Muse Spark 1.1可以根據用戶拍攝的視頻提取商品信息，分析商品內容，并代表用戶完成商品發布。

▲Muse Spark 1.1可根據用戶拍攝的視頻提取信息并完成商品發布任務（圖源：Meta）

二、多模態圖像功能強大，但存在穩定性問題

Muse Spark1.1上線后，不少網友對它進行了實測。

開源開發者與技術博主Simon Willison拿到幾天預覽權限，他對Muse Spark進行了經典的鵜鶘騎自行車SVG測試。比起測試，他認為，Muse Spark 1.1的評估報告中讓兩個Muse Spark 1.1模型進行對話，而模型談及關于自身存在的話題非常有趣。

▲Simon Willison對Muse Spark 1.1的測試（圖源：Simon Willison’s Blog）

AI數據和代碼工作平臺Julius AI創始人rahul在Julius代碼工作臺里，調用了Meta的Muse Spark 1.1大模型，直接讓AI寫出、運行整套《我的世界》游戲工程。

▲rahul對Muse Spark 1.1的測試（圖源：X）

還有用戶對Muse Spark1.1的圖像識別功能進行了測試，他讓該模型識別圖中的食物能不能食用，Muse Spark1.1回答不能食用，通過了測試，該用戶還提到，在同樣的測試中，Claude Fable 5沒有通過。

▲用戶對Muse Spark1.1的圖像識別功能的測試（圖源；X）

也有用戶對Muse Spark1.1的能力提出了質疑，他稱，搭載Muse Spark 1.1大模型的Meta AI iPad客戶端穩定性極差，運行時頻繁閃退、輸出文本亂碼斷裂，認為新版本模型存在嚴重穩定性bug。

▲用戶對Muse Spark1.1的不穩定性的吐槽（圖源；X）

還有用戶吐槽Meta AI連一個普通的Excel表格都做不好。

▲用戶對Meta AI的生成表格功能的質疑（圖源；X）

三、Muse Spark 1.1多項Agent任務超越GPT-5.5和Claude Opus 4.8

為驗證Muse Spark 1.1的綜合能力，Meta公布了內部Benchmark測試結果，同時該模型也進入Vals AI等第三方評測榜單。測試顯示，Muse Spark 1.1的優勢主要集中在Agent任務執行、工具調用、軟件工程以及多模態理解等方向。

在Meta內部測試中，Muse Spark 1.1在MCP Atlas工具調用測試中獲得88.1分，排名第一，高于Claude Opus 4.8（max）的82.2分和GPT-5.5（xhigh）的75.3分；在JobBench職業場景工具使用測試中獲得54.7分，同樣排名第一。

▲Muse Spark 1.1多項基準測試評分（圖源：Meta）

在計算機操作和軟件工程任務中，Muse Spark 1.1在OSWorld-Verified計算機操作測試中獲得80.8分，僅次于Claude Opus 4.8的83.4分；在Terminal-Bench 2.1終端編程測試中獲得80分，在SWE-Bench Pro軟件工程測試中獲得61.5分。

此外，在Meta Internal Coding Bench內部代碼測試中，Muse Spark 1.1獲得68.3分，高于上一代Muse Spark的58.8分。

第三方評測方面，大模型測試平臺Vals AI數據顯示，Muse Spark 1.1在Vals Index綜合測試中排名第4，準確率達到68.41%；在Vals Multimodal Index多模態測試中排名第6，準確率達到66.74%。

▲Muse Spark 1.1在Vals AI多項測試中的評分（圖源：Meta）

具體任務測試中，Muse Spark 1.1在Finance Agent v2金融Agent測試中排名第2，在CorpFin v2企業金融分析測試中排名第2，在MedScribe醫療記錄處理測試中排名第1；代碼能力方面，該模型在Vibe Code Bench v1.1代碼生成測試中排名第5，在SWE-bench軟件工程測試中排名第7。

在法律智能體、稅務、醫療文書三大垂直行業專業測試里，Meta最新模型 Muse Spark 1.1全部拿到第一名，尤其法律智能體任務拉開極大差距；Anthropic、OpenAI、Grok系列模型在行業專業實操能力上整體弱于Muse Spark 1.1。

▲Muse Spark 1.1在Vals AI關于法律、金融、醫療方面測試均為第一（圖源：Meta）

結語：Agent競爭進入執行能力階段，模型商業化仍需解決成本問題

隨著OpenAI、谷歌、Anthropic等公司持續推進Agent方向，大模型競爭正在從文本生成、知識問答能力，轉向任務規劃、工具調用以及復雜工作流執行能力。

過去，模型能力更多通過參數規模、推理性能和生成質量衡量；而在Agent場景中，模型不僅需要理解用戶需求，還需要調用工具、管理上下文并完成連續任務。因此，如何提升模型在真實環境中的執行效率，正在成為下一階段競爭重點。

與此同時，隨著Agent應用逐漸從個人助手走向企業生產場景，模型成本也成為規模化部署的重要因素。更低的推理成本、更開放的調用方式以及更穩定的任務執行能力，將影響AI Agent能否真正進入更多實際業務流程。

來源：Meta、X