前有收穫不少好評的
Grok-4.5
，後有虎視眈眈的 GPT-5.6。結果就在剛剛，
Meta 超級智能實驗室 (MSI) 殺出， 甩出新模型 Muse Spark 1.1。
冷知識，這篇宣傳「小作文」距離他上次在 X 發帖已經有 3 年之久，而他上上次發帖還是在 2012 年。
夾在這個節骨眼裏發佈，Meta 的新模型當然得有點真材實料。
結果 Meta 還真沒空手來，而且一上來就是兩記重磅更新：
Muse Spark 1.1 完成大幅升級，Meta Model API 也同步開啓公測，開發者第一次可以直接調用這款旗艦模型。
靠開源模型攢下半壁江山口碑的大善人，終於也光明正大擺起攤位賣 API 了。Meta 給這次升級的定調是「推進性能與效率的前沿」，並表示這次模型和 API 的同步發佈，讓他們距離「個人超級智能」的願景又近了一步：
幫你追求目標、創造想象中的東西、加深人際關係，並對你最在意的事情採取行動。
按照 Meta 的說法，Muse Spark 1.1
是一個面向 Agent 任務的多模態推理模型。工具調用、計算機操作、代碼生成、多模態理解
，幾條主線都做了增強。
它被重點訓練來處理「個人 Agent 任務」：比如跨多個外部應用和服務做規劃、調度、執行。這類任務通常麻煩在流程長、變量多、信息源分散，模型不能只會答題，還得會安排活。
Muse Spark 1.1 最有意思的地方，是被訓練成了一個「包工頭」。
接到複雜任務後，它會自己作爲主 Agent：收集上下文、制定計劃、分配任務，再把不同子任務交給多個並行子 Agent 同時處理，以此縮短端到端耗時。
反過來，輪到它自己當子 Agent 時，它也知道該怎麼配合：完成自己負責的部分，認清可用工具，遇到能力邊界及時上報，而不是悶頭亂幹。
上下文窗口也給到了 100 萬 token，
而且採用主動管理機制。它不只是能塞進更多內容，還能記住自己做過什麼，找回很早之前的信息，並在壓縮上下文時保留後續步驟需要用到的關鍵內容。
對於沒見過的新工具、MCP 服務和自定義技能，Muse Spark 1.1 也能在零樣本情況下直接上手。
計算機操作（Computer Use）方面，Meta 給出的思路很務實。
過去很多電腦操作 Agent，幾乎每一步都要重新看屏幕、重新推理、重新點擊，整個過程慢得讓人着急。
Muse Spark 1.1 學會了按場景選擇方式：
寫腳本更快，就直接寫腳本；點幾下更省事，就直接操作界面；需要批量執行時，還能一次生成多步操作並統一執行。
Meta 舉了一個「組織晚餐聚會」的案例：用戶在訂餐過程中臨時改變條件，模型自己發現新情況、自己調整方案，整個流程不需要用戶反覆介入。
跨應用、長流程、信息持續變化，這些過去最容易讓 Agent 斷片的場景，Muse Spark 1.1 都能把上下文維持住。遇到陌生界面，也基本不用人手把手帶。
代碼能力方面，Meta 這次重點強調了
真實大型代碼庫場景。
比如診斷和修復複雜 bug、給企業級系統增加新功能、執行大規模代碼遷移。在創建網頁應用、端到端問答等用例上，Muse Spark 1.1 相比初代也有明顯提升。
不同編碼工具鏈、不同 harness、不同 Agent 編碼套件裏的常見玩法，包括規劃模式、目標條件設定、子 Agent 委派、上下文壓縮，它都能適配。
換句話說，把它放進哪家的編碼工具裏，它都能比較快進入工作狀態。
Meta 展示了一個 OpenCode 調試演示：模型先搭建了一個聊天網頁應用，然後自動截圖，從截圖裏找出用戶能看到的問題，再順着線索定位相關代碼，修改後繼續驗證。
寫代碼、看截圖、調工具、再驗證，整套流程連在一起，已經接近真實開發中的 Agent 工作方式。
Meta 內部，工程師和研究員已經在高頻使用 Muse Spark 1.1。按照官方說法，在 Meta Internal Coding Bench 這套內部代碼評測中，1.1 相比初代提升明顯，已經具備和頭部模型正面競爭的能力。
更套娃的是，研究員已經開始用它自動化模型研發和評測流程。
另一個演示裏，Muse Spark 1.1 在 DeepSWE 任務子集上，用不同推理強度評測自己，最後還根據結果生成了一份分析看板。
也就是說，Muse Spark 1.1 的
強項不只是看懂圖片、視頻、音頻，而是在理解這些內容之後，繼續執行真實任務。
它可以和真實環境交互，輸出有事實依據的結果。視覺轉代碼、細粒度圖像和視頻描述、多模態 Agent 工作流執行，都是 Meta 點名強調的能力。
放到實際場景裏，它能看圖、看視頻、聽音頻，在長流程裏持續記住這些細節，再帶着這些信息去操作電腦。
最接地氣的演示來自 Facebook Marketplace。
用戶用手機隨手拍一段商品視頻，模型會從視頻裏挑出可用照片，判斷商品類別和狀態，然後自己打開瀏覽器，替用戶完成二手商品上架。
值得注意的是，Muse Spark 1.1 也是 Meta 本週第二個 Muse 家族產品。就在週三，Meta 還發布了 Muse Image。這個圖像生成模型此前的代號是 Mango，主要面向創作者和廣告客戶。
一邊推圖像模型，吸引創作者和廣告主；一邊推 Agent 編程模型，吸引開發者和企業客戶。Meta 的 AI 產品線，開始有明確的商業分工了。
API 方面，Meta 幾個早期合作伙伴已經出來站臺。
他們給 Muse Spark 1.1 的總體評價，可以概括成一句話：
這是一個完整的 Agent 底座。長上下文、強編碼、強推理、工具調用能力結合在一起，足以承載大規模 Agent 工作負載。
Replit CEO Amjad Masad 認爲最令人印象深刻的地方，是 Meta 把大量能力放進了同一個模型裏：百萬 token 上下文、圖像視頻 PDF 支持、自帶引用的內置搜索、強推理、結構化輸出、並行工具調用，以及頂級編碼能力。
在他看來，Muse Spark 1.1 尤其擅長前端和設計類任務。他還順便提到一點：整套能力被打包成了「乾淨的 OpenAI 兼容格式」。
Cline CEO Saoud Rizwan 則重點提到了價格。
在他看來，Meta 明顯是衝着「嚴肅的 Agent 編碼」來的：工具調用能力強，價格又壓到了可以大規模運行編碼任務的水平。
強能力加低成本的組合並不常見，這也是 Cline 想讓開發者儘早用上它的原因。
事實上，
Muse Spark 1.1 的輸入價格是每百萬 token 1.25 美元，輸出價格是每百萬 token 4.25 美元。
Meta AI 負責人 Alexandr Wang 在接受外媒 CNBC 採訪時表示，這個價格「非常激進，也很有吸引力」。
Meta 敢把價格打到這個位置，靠的當然不只是模型本身。據路透社查閱的一份內部備忘錄，
Meta 計劃在今年 9 月開始生產自研 AI 芯片 Iris。
Iris 屬於 Meta 的 MTIA 項目，全稱是 Meta Training and Inference Accelerators。按照規劃，它是 Meta 四代 AI 芯片中的一代，目標是強化 Facebook、Instagram 等核心產品背後的 AI 系統。
備忘錄顯示
，Iris 大約用了六週時間通過 bug 測試階段，沒有發現重大問題。
博通是這款芯片的設計合作伙伴，TSMC 負責製造。
自研芯片這件事，對 Meta 的意義不言而喻：
降低算力成本，減少對英偉達、AMD 等第三方芯片供應商的依賴。
不過 Iris 的定位不是替代 GPU。
按照備忘錄說法，它會補充 Meta 繼續大量採購的 Nvidia 和 AMD GPU。換句話說，Meta 現在要做的是多條腿走路：頂級 GPU 繼續買，自研芯片也要加速推進。
而且芯片只是第一層。同一份備忘錄還提到，Meta 正在推進更大規模的基礎設施擴張：
2026 年上線 7GW 計算容量，到 2027 年增長到 14GW。
這個量級已經不是普通數據中心擴建，而是超級智能時代的能源和算力工程。
哦，對了，雖然 Meta 也開始賣 API，但這不代表徹底放棄開源。
Wang 在採訪裏說，Meta 依然承諾開源，MSL 內部也有一個 Muse Spark 變體正在開發，並且計劃未來開源。不過，具體發佈時間，他卻沒有透露。
普通用戶也無需等待。按照 Meta 官方說法，Muse Spark 1.1 現在已經進入 Meta AI App 和 meta.ai，在「Thinking」模式下可以直接使用。
安全方面，Meta 表示已經按照自家的 Advanced AI Scaling Framework，完成了大量部署前評估。這套框架主要用於定義最先進模型的評估方法、威脅模型和部署門檻。
完整安全評估細節，被 Meta 寫進了《Muse Spark 1.1 Evaluation Report》。能力評測的詳細數據，也一併收錄在報告裏。
博客的最後，Meta 表示
更強的模型已經在訓練中，
一週之內連續出手，後面還留着存貨。至少從姿態上看，Meta 超級智能實驗室已經不打算繼續低調了。
https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/?utm_source=twitter&utm_medium=organic_social&utm_content=image&utm_campaign=spark11