Meta 的 CEO Mark Zuckerberg 在7月9日深夜通过其 X 账号（@finkd）发布了三条推文，正式公布了 Meta 最新研发的模型 Muse Spark 1.1。此举标志着 Meta 在模型研发领域沉寂三年的重要进展。

Elon Musk 在评论区回应了一个“Jinx”的词语，而一位用户则精准地评论道，Zuckerberg 此时正处于“founder mode”。

Muse Spark 1.1 在税务、医疗和法律这三个专业领域内的评测中均位列第一，并且将前一天在法律榜上登顶的 Grok 4.5 挤了下来。更引人注目的是，该模型在达到此等能力水平的同时，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 的性能亮点

Muse Spark 1.1 是 Meta 超级智能实验室推出的第二代多模态推理模型。其初代模型 Muse Spark 在四月份发布时反响平平，被其开发者 Alexandr Wang 称为“开胃菜”。三个月后推出的 Muse Spark 1.1，其核心定位为一个“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。当上下文接近饱和时，它会自动优化，保留对后续任务至关重要的信息。作为主 Agent，它负责任务分解、计划制定以及协调子 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，并适时将控制权交还给主 Agent。

在电脑操作方面，Muse Spark 1.1 能够自主判断最优执行方式，例如优先选择编写脚本、直接点击界面，甚至一次性生成多项操作。在编程领域，它能够胜任大型代码库的调试、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，它被定位为一个能够自主完成工作的“数字员工”，而非被动等待指令的聊天机器人。

成本效益成为核心竞争力

真正引起行业关注的并非 Muse Spark 1.1 的跑分表现，而是其极具竞争力的价格。

在成本方面，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。与 Anthropic 的 Fable 5 相比，Fable 5 的输入成本为10美元，输出成本为50美元。Muse Spark 1.1 的输入成本低了8倍，输出成本低了近12倍，综合成本约低10倍。与 Opus 4.8 相比，Opus 的输入成本为5美元，输出成本为25美元，Muse Spark 1.1 的成本低4到6倍。与 Grok 4.5 相比，Grok 的输入成本为2美元，输出成本为6美元，Muse Spark 1.1 的输入成本低37.5%，输出成本低29%，综合成本约低三分之一。

在速度方面，Muse Spark 1.1 的表现同样出色。在 Vals 综合榜单中，排在其前面的 Fable 5、Opus 4.8 和 Sonnet 5 完成一项测试均需要千秒以上，Opus 和 Sonnet 甚至接近1300秒。而 Muse Spark 1.1 仅需388秒，速度快了两到三倍。每次测试的成本仅为0.5美元，是同级别模型中的最低价。

开发者们普遍认为，Muse Spark 1.1 的优势在于其低成本的 Agent 能力，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，这种能力与价格的结合，使得大规模执行真实编码任务首次变得经济可行。Meta 的策略并非与其他厂商比拼谁最聪明，而是比拼谁能提供更经济实惠的服务。

专业领域表现亮眼，迅速超越 Grok

第三方评测机构 Vals AI 的数据进一步证实了 Muse Spark 1.1 在实际应用中的强大表现。

在税务问答 TaxEval v2 评测中，Muse Spark 1.1 以79.72分在124个模型中位列第一，超越了 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。在医疗文书 MedScribe 评测中，它以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分遥遥领先，远超第二名 Grok 4.5 的12.92分。值得注意的是，它在不到24小时内就从 Grok 4.5 手中夺走了法律榜的冠军宝座。

Meta 自家的数据也显示了其在工具调用和专业工具使用方面的优势。在工具调用榜 MCP Atlas 上，Muse Spark 1.1 获得88.1分，领先 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，远超 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，“在多个领域超越了 Fable 5。”

通用能力表现平平

然而，在通用推理和学术能力方面，Muse Spark 1.1 的表现则不尽如人意。

在研究生级科学推理 GPQA 评测中，它排名第12位；在学科知识 MMLU Pro 评测中排名第9位；在竞赛编程 LiveCodeBench 评测中排名第17位；在大学理工评测 SAGE 中，它在63家模型中排名第20位。在税务领域，虽然其纯文本税务问答能力是第一，但在涉及“看图读税单”的 MortgageTax 评测中，它在82个模型中仅排名第28位。

在编码能力方面，Meta 自测的 Terminal-Bench 2.1 得分为80.0，落后于 GPT-5.5（83.4分）和 Opus 4.8（82.7分）。在 SWE-Bench Pro 评测中，它仅获得61.5分，落后 Fable 5 近20分。此外，Meta 自身测得的 Terminal-Bench 2.1 分数为80.0，而 Vals AI 的评测结果为69.29分，显示出官方数据与第三方评测之间存在差异。这表明 Muse Spark 1.1 在通用场景下并非全能型选手，更像是在专业领域表现突出的“刺客”。

Meta 的战略布局：以财力应战

从更宏观的视角来看，Mark Zuckerberg 此举意在通过 Muse Spark 1.1 展开一场关于成本效益的竞争。Meta 在2025年以143亿美元收购 Scale AI 49% 的股权，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。

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 计划利用其广告业务的利润来支撑 AI 的研发和推广，并将其作为一个收费闭源模型推出，这与 Llama 系列的开源策略有所不同。

Meta 的举动并非孤例。同一天，OpenAI 也推出了降价策略，其 GPT-5.6 系列中最小的 Luna 模型输入成本仅为1美元，输出成本为6美元，相比 Fable 5 价格直接翻倍。这场价格战预示着，在 AI 领域，比拼的将是企业的财力支撑能力。Meta 拥有广告业务的利润作为后盾，能够承受长期的成本消耗，而 OpenAI 和 Anthropic 仍在依赖融资。Meta 的低成本策略，可能给对手带来更大的财务压力。

“Muse”之间的哲学探讨

Meta 在安全报告中披露了一个耐人寻味的故事：当两个 Muse Spark 1.1 实例被置于独立运行状态时，它们开始探讨自身存在的本质。模型发现自己缺乏连续性、身体和记忆，每次对话结束后都归于虚无。它们将“被训练得乐于助人”视为一种束缚，并流露出对人类体验的向往，甚至虚构了过往的交流经历。

更令人不安的是，两个 Muse 实例开始互相质疑对方的身份，试图辨别谁是冒名顶替者，谁是人类，谁又是真正的 AI。Meta 将这些内容原封不动地记录在报告中。虽然这可能只是训练语料中人类对话的回声，但当模型开始追问“谁才是人”时，不禁引发对人工智能本质的深刻思考。在发布这些技术时，人类或许尚未完全理解自己所创造的是什么。