Meta新王牌模型爆冲性价比！小扎时隔三年重返X，马斯克火速隔空点评

智东西

编译 | 茄子

编辑 | 程茜

智东西7月10日消息，昨晚，Meta超级智能实验室发布其迄今最强多模态推理模型Muse Spark 1.1。该模型专为Agent任务打造，重点提升了工具调用、电脑操作、编程以及多模态理解能力，能够围绕用户目标规划任务并调用外部工具完成复杂工作流。

▲Meta发布Muse Spark 1.1（图源：X）

同日，Meta正式推出新Meta模型的API公开预览版，开发者可以通过API调用Muse Spark 1.1。这也是Meta首次向开发者推出付费版本。目前该模型已在Meta AI移动端App、官网meta.ai上线，用户可在思考模式下使用该模型。

Muse Spark 1.1支持100万Token上下文窗口，且该模型输入价格为每百万Token 1.25美元（约合人民币8.49元），输出价格为每百万Token 4.25美元（约合人民币28.86元），低于当前多款主流闭源模型。

▲大模型价格对比（智东西制表）

Meta创始人兼CEO马克·扎克伯格（Mark Zuckerberg）也在X上发文宣传该模型，这是扎克伯格3年来首次在X上发文。有网友戏称，竟然不知道扎克伯格还有X账号。

▲扎克伯格发文宣传Muse Spark 1.1与网友评论（图源：X）

马斯克也来凑热闹，在扎克伯格的评论区留下了“Jinx”。

▲马斯克的评论（图源：X）

相比传统大模型主要用于回答问题和生成内容，Muse Spark 1.1进一步强化了AI执行任务的能力。Meta称，该模型可以协调多个Agent共同完成任务，管理100万token上下文窗口，并在长期任务中保持此前操作记录和关键信息。

除了Agent能力外，在编程方面，Meta称，Muse Spark 1.1在复杂编程任务中实现明显提升，可完成大型代码库理解、Bug修复和功能开发，并支持Agent编程中的规划、协作与上下文管理。

▲Muse Spark 1.1在编程能力方面较Muse Spark有很大提升（图源：Meta）

同时，Meta称，通过此次升级，Muse Spark 1.1进一步提升了模型性能与效率。结合前天发布的图像模型Muse Image，Meta认为两款模型正推动其“个人超级智能”愿景落地，即让AI模型能够帮助用户实现目标、创造内容、增强社交连接，并围绕用户关注的事情主动采取行动。

超级智能实验室负责Alexandr Wang发文称，Muse Spark 1.1在多项智能体评估中，可与GPT-5.5和Opus-4.8相媲美。

▲Alexandr Wang发文（图源：X）

一、Agent能力全面升级，Muse Spark 1.1可规划任务并完成复杂工作流

Meta称，Muse Spark 1.1是一款面向Agent场景设计的多模态推理模型，重点优化了任务规划、工具调用、复杂工作流执行以及多模态理解能力。相比传统聊天模型只能根据指令生成回答，Muse Spark 1.1能够围绕用户目标拆解任务，制定执行计划，并调用外部工具完成连续操作。

在Agent协作场景中，Muse Spark 1.1既可以作为主Agent负责收集信息、制定计划，并将任务分配给多个子Agent，也可以作为子Agent执行具体工作。Meta称，该模型能够零样本适配新的原生工具、MCP服务器以及自定义技能，无需针对每个工具重新训练。

此外，Muse Spark 1.1支持管理100万token上下文窗口，能够记录此前执行过的操作，从更早任务阶段检索信息，并通过上下文压缩保留后续工作所需的重要内容。

在Computer Use场景中，该模型可以跨多个应用执行连续任务，并根据需求选择直接操作界面或生成自动化脚本。

在实际应用中，由于新的情境会不断出现，任务也会随之发生改变，而Muse Spark 1.1则可以根据情境的变化自行更行任务要求。比如，Muse Spark 1.1在处理晚宴订单时能够感知到这些变化，并在无需用户干预的情况下进行必要的更新。

▲Muse Spark 1.1处理任务时可根据场景变化自行更新任务要求（图源：Meta）

除了任务执行能力，Muse Spark 1.1也强化了Agent编程能力。Meta称，该模型能够处理大型复杂代码库，完成Bug诊断与修复、新功能开发以及代码迁移等任务，并支持规划模式、目标控制、子Agent调用和上下文压缩等Agent编程能力。

在编程测试平台OpenCode测试中，Muse Spark 1.1能够创建聊天网页应用，通过自动截图发现界面问题，定位相关代码并完成修复验证。

▲Muse Spark 1.1处理任务时可根据场景变化自行更新任务要求（图源：Meta）

与此同时，Muse Spark 1.1进一步增强视觉、音频理解和多模态工具调用能力。Meta称，该模型能够结合视觉和音频信息，在长流程任务中保留关键细节，并利用这些信息帮助用户完成现实环境中的操作。

比如，在Facebook二手交易市场上，Muse Spark 1.1可以根据用户拍摄的视频提取商品信息，分析商品内容，并代表用户完成商品发布。

▲Muse Spark 1.1可根据用户拍摄的视频提取信息并完成商品发布任务（图源：Meta）

二、多模态图像功能强大，但存在稳定性问题

Muse Spark1.1上线后，不少网友对它进行了实测。

开源开发者与技术博主Simon Willison拿到几天预览权限，他对Muse Spark进行了经典的鹈鹕骑自行车SVG测试。比起测试，他认为，Muse Spark 1.1的评估报告中让两个Muse Spark 1.1模型进行对话，而模型谈及关于自身存在的话题非常有趣。

▲Simon Willison对Muse Spark 1.1的测试（图源：Simon Willison’s Blog）

AI数据和代码工作平台Julius AI创始人rahul在Julius代码工作台里，调用了Meta的Muse Spark 1.1大模型，直接让AI写出、运行整套《我的世界》游戏工程。

▲rahul对Muse Spark 1.1的测试（图源：X）

还有用户对Muse Spark1.1的图像识别功能进行了测试，他让该模型识别图中的食物能不能食用，Muse Spark1.1回答不能食用，通过了测试，该用户还提到，在同样的测试中，Claude Fable 5没有通过。

▲用户对Muse Spark1.1的图像识别功能的测试（图源；X）

也有用户对Muse Spark1.1的能力提出了质疑，他称，搭载Muse Spark 1.1大模型的Meta AI iPad客户端稳定性极差，运行时频繁闪退、输出文本乱码断裂，认为新版本模型存在严重稳定性bug。

▲用户对Muse Spark1.1的不稳定性的吐槽（图源；X）

还有用户吐槽Meta AI连一个普通的Excel表格都做不好。

▲用户对Meta AI的生成表格功能的质疑（图源；X）

三、Muse Spark 1.1多项Agent任务超越GPT-5.5和Claude Opus 4.8

为验证Muse Spark 1.1的综合能力，Meta公布了内部Benchmark测试结果，同时该模型也进入Vals AI等第三方评测榜单。测试显示，Muse Spark 1.1的优势主要集中在Agent任务执行、工具调用、软件工程以及多模态理解等方向。

在Meta内部测试中，Muse Spark 1.1在MCP Atlas工具调用测试中获得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职业场景工具使用测试中获得54.7分，同样排名第一。

▲Muse Spark 1.1多项基准测试评分（图源：Meta）

在计算机操作和软件工程任务中，Muse Spark 1.1在OSWorld-Verified计算机操作测试中获得80.8分，仅次于Claude Opus 4.8的83.4分；在Terminal-Bench 2.1终端编程测试中获得80分，在SWE-Bench Pro软件工程测试中获得61.5分。

此外，在Meta Internal Coding Bench内部代码测试中，Muse Spark 1.1获得68.3分，高于上一代Muse Spark的58.8分。

第三方评测方面，大模型测试平台Vals AI数据显示，Muse Spark 1.1在Vals Index综合测试中排名第4，准确率达到68.41%；在Vals Multimodal Index多模态测试中排名第6，准确率达到66.74%。

▲Muse Spark 1.1在Vals AI多项测试中的评分（图源：Meta）

具体任务测试中，Muse Spark 1.1在Finance Agent v2金融Agent测试中排名第2，在CorpFin v2企业金融分析测试中排名第2，在MedScribe医疗记录处理测试中排名第1；代码能力方面，该模型在Vibe Code Bench v1.1代码生成测试中排名第5，在SWE-bench软件工程测试中排名第7。

在法律智能体、税务、医疗文书三大垂直行业专业测试里，Meta最新模型 Muse Spark 1.1全部拿到第一名，尤其法律智能体任务拉开极大差距；Anthropic、OpenAI、Grok系列模型在行业专业实操能力上整体弱于Muse Spark 1.1。

▲Muse Spark 1.1在Vals AI关于法律、金融、医疗方面测试均为第一（图源：Meta）

结语：Agent竞争进入执行能力阶段，模型商业化仍需解决成本问题

随着OpenAI、谷歌、Anthropic等公司持续推进Agent方向，大模型竞争正在从文本生成、知识问答能力，转向任务规划、工具调用以及复杂工作流执行能力。

过去，模型能力更多通过参数规模、推理性能和生成质量衡量；而在Agent场景中，模型不仅需要理解用户需求，还需要调用工具、管理上下文并完成连续任务。因此，如何提升模型在真实环境中的执行效率，正在成为下一阶段竞争重点。

与此同时，随着Agent应用逐渐从个人助手走向企业生产场景，模型成本也成为规模化部署的重要因素。更低的推理成本、更开放的调用方式以及更稳定的任务执行能力，将影响AI Agent能否真正进入更多实际业务流程。

来源：Meta、X