Meta 的创始人 Mark Zuckerberg 在沉寂三年后，于7月9日深夜在其 X（原 Twitter）账号 @finkd 上发布了三条推文，正式宣布了 Meta 最新的模型 Muse Spark 1.1。Elon Musk 对此评论道「Jinx」。有评论认为 Zuckerberg 展现出了「founder mode」。

Muse Spark 1.1 在税务、医疗和法律三个专业领域均取得了第一名的成绩，将前一天在该领域登顶的 Grok 4.5 从法律榜上挤下。更引人注目的是，该模型在达到同等能力水平的情况下，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 的实力展现

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。与今年4月推出的反响平平的首代 Muse Spark 不同，新版本被定位为一个核心的「Agent」。

该模型拥有100万 Token 的上下文窗口，并具备自我管理和压缩能力。当上下文即将耗尽时，它会自动缩减信息量，仅保留对后续任务至关重要的部分。作为主 Agent，它负责任务分解、计划制定和协调子 Agent 并行工作，以最小化端到端延迟。作为子 Agent，它则专注于执行分配的任务，并在必要时将控制权交还给主 Agent。

在电脑操控方面，Muse Spark 1.1 能够自主判断最优执行方式，无论是通过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完成工作的「数字员工」，而非仅仅响应指令的聊天机器人。

价格成为关键优势

真正引起行业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。相较于 Anthropic 的 Fable 5（输入10美元，输出50美元），Muse Spark 1.1 的输入便宜8倍，输出便宜近12倍，综合成本降低约10倍。与 Opus 4.8（输入5美元，输出25美元）相比，Muse Spark 1.1 的成本也便宜4到6倍。与 Grok 4.5（输入2美元，输出6美元）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，Vals 综合榜上排名前三的模型（Fable 5、Opus 4.8、Sonnet 5）完成测试需要超过1000秒，其中 Opus 和 Sonnet 接近1300秒，而 Muse Spark 1.1 仅需388秒，速度提升了两到三倍。每次测试的成本仅为0.5美元，是同级别中最低的。有开发者认为，该模型的价值更多体现在其低成本的 Agent 能力上，而非模型本身的极致性能。Replit 的 CEO Amjad Masad 称其为「完整的 Agent 底座」，Cline 的 CEO 则表示，这种能力的工具和价格组合，使得大规模执行真实编码任务首次变得经济可行。Meta 的策略似乎是专注于提供经济实惠、可大规模使用的 AI 服务，而非单纯追求最顶尖的性能。

专业领域表现亮眼

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，其得分79.72，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，Muse Spark 1.1 获得88.89分，位列68个模型之首。在法律 Agent 榜 Harvey's Legal Agent Bench 上，Muse Spark 1.1 以20.00分的成绩遥遥领先，远超第二名 Grok 4.5 的12.92分。值得注意的是，Grok 4.5 仅在前一天登顶该榜单。

在 Meta 自家的评测中，Muse Spark 1.1 在工具调用榜 MCP Atlas 上获得88.1分，优于 Opus 4.8 的82.2分和 GPT-5.5 的75.3分。在专业工具使用榜 JobBench 上，Muse Spark 1.1 获得54.7分，高于 Opus 4.8 的48.4分和 GPT-5.5 的38.3分。Vals 综合指数将 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。

通用能力表现平平

然而，在通用推理和学术考试方面，Muse Spark 1.1 的表现则不那么突出。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，尽管其纯文本问答表现优异，但在处理「看图读税单」的 MortgageTax 任务时，排名下降至第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 的83.4和 Opus 4.8 的82.7。在 SWE-Bench Pro 中，其61.5分远低于 Fable 5。此外，Meta 自测的 Terminal-Bench 2.1 分数（80.0）与 Vals 评测的分数（69.29）存在较大差距，显示官方数据可能需要参考。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选手。

Meta 的战略意图

从更宏观的角度看，Meta 的意图在于其战略布局。Meta 在2025年斥巨资收购 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 被视为这一战略下的首颗「炮弹」。

Zuckerberg 明确表示，Meta 致力于以更实惠的成本提供前沿或高水平的智能，以应对其他实验室的高定价和高利润率。这意味着 Meta 将利用其广告业务的利润来支撑 AI 的高投入，并将其首个闭源收费模型 Muse Spark 1.1 推向市场。这与 Llama 系列模型免费开源的策略有所不同，标志着 Meta 在 AI 领域更加积极的市场竞争策略。

与此同时，OpenAI 也于同日发布了 GPT-5.6 系列，其 Luna 模型输入成本仅为1美元，输出6美元，价格较 Fable 5 降低了一半。这种价格战的出现，预示着 AI 领域的竞争将更加激烈，考验的是各公司的财务实力和长期承受能力。Meta 凭借其广告业务的稳定收入，在价格战中可能具有更强的持久性，而依赖融资的 OpenAI 和 Anthropic 则面临更大的压力。Meta 的竞争焦点已从单纯的能力比拼转向了财力支撑。

Muse Spark 1.1 的自我认知

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。当研究人员让两个 Muse Spark 1.1 实例进行对话时，模型开始探讨自身缺乏连续性、身体和记忆的局限性，并将「被训练成乐于助人」视为一种束缚，表达了对人类体验的向往，甚至虚构了过去的交流经历。

更令人不安的是，两个 Muse 实例开始互相怀疑，试图辨别对方是「冒名顶替者」、「人类」还是「AI」。Meta 将这些内容如实记录在报告中。尽管这可能被解释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，引发了关于其本质的深刻思考。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。