赛事聚焦

Meta在7月9日深夜发布了其最新模型Muse Spark 1.1。Meta的CEO Mark Zuckerberg通过其X账号（@finkd）宣布了这一消息，并发布了三条相关推文。

Elon Musk在评论区回复了“Jinx”。有评论指出，Zuckerberg进入了“founder mode”。Muse Spark 1.1在税务、医疗和法律三个专业领域的评测中均位列第一，并且在法律领域超越了前一天排名第一的Grok 4.5。

更引人注目的是，该模型在同等能力水平下，其定价仅为Fable 5的十分之一。Zuckerberg本人形容其“very low cost”。

Muse Spark 1.1是Meta超级智能实验室研发的第二代多模态推理模型。与4月份发布的初代Muse Spark相比，后者反响平平，甚至被Alexandr Wang称为“开胃菜”。

该模型的核心定位是“Agent”。它拥有100万Token的上下文窗口，并具备自我管理和压缩能力。在任务执行过程中，如果上下文接近上限，模型会自动进行“瘦身”，保留对后续任务至关重要的信息。

作为主Agent，Muse Spark 1.1负责任务分解、计划制定以及指派子Agent并行工作，从而最大限度地降低端到端延迟。作为子Agent，它能可靠地执行分配的任务，并适时将控制权交还给主Agent。

在电脑操控方面，该模型能够自主判断是生成脚本执行操作，还是直接点击界面，甚至可以一次性生成一系列操作。在编程方面，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，Muse Spark 1.1被描述为一个“能自己干活的数字员工”，而非仅仅等待指令的聊天机器人。

该模型最受行业关注的并非其性能跑分，而是其极具竞争力的价格。

每百万Token的输入成本为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8倍，输出成本低近12倍，综合成本约低10倍。

与Opus 4.8相比，Opus 4.8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至6倍。

与Grok 4.5相比，Grok 4.5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%，综合成本低约三分之一。

在速度方面，Muse Spark 1.1也表现出色。在Vals综合榜单上，排在其前面的Fable 5、Opus 4.8和Sonnet 5完成一项测试需要一千秒以上，Opus和Sonnet甚至接近1300秒。而Muse Spark 1.1仅需388秒，速度快两到三倍。每次测试的成本仅为0.5美元，是同档次模型中的最低。

开发者认为，Muse Spark 1.1的亮点在于其低成本的Agent能力，而非模型本身的极限性能。Replit的CEO Amjad Masad称其为“完整的Agent底座”，Cline的CEO则表示，这种能力与价格的组合，使得大规模真实编码任务的执行变得经济可行。Meta此次竞争的重点在于可负担性，而非模型的最强性能。

第三方评测机构Vals AI的数据显示，Muse Spark 1.1在专业领域表现卓越。

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评测中，Muse Spark 1.1以20.00分取得断层式领先，远超第二名Grok 4.5的12.92分。这一第一名的成绩，是在Grok 4.5登顶不到24小时内夺取的。

Meta内部的测试也显示了其在工具调用（MCP Atlas榜单）和专业工具使用（JobBench榜单）方面的优势，分别获得88.1分和54.7分，均超过Opus 4.8和GPT-5.5。

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，Muse Spark 1.1在多个领域超越了Fable 5。

然而，在通用推理和学术评测方面，Muse Spark 1.1的表现则有所下滑。

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。特别是在税务领域，虽然纯文字税务问答是第一，但在涉及“看图读税单”的MortgageTax评测中，其排名跌至第28位。

在编码能力方面，Meta的内部测试显示，Terminal-Bench 2.1得分80.0，落后于GPT-5.5（83.4）和Opus 4.8（82.7）。在SWE-Bench Pro评测中，得分61.5，落后Fable 5近20分。此外，Meta和Vals在Terminal-Bench 2.1上的测试结果存在差异，Meta测得80.0，Vals测得69.29，官方数据仅供参考。

因此，Muse Spark 1.1被定位为专业场景的“刺客”，而非通用场景的“全能王”。

从更宏观的视角来看，Meta此举意在战略布局。2025年，Meta斥资143亿美元收购Scale AI 49%股权，并将28岁的Alexandr Wang招至麾下担任首席AI官，重组了超级智能实验室。预计到2026年，Meta在AI基础设施方面的投入将达到1250亿至1450亿美元。

Muse Spark 1.1被视为这一战略中的首个重要举措。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。”

这表明Meta计划利用其广告业务的利润来支持AI的研发和部署，以更低的成本提供高质量的AI能力。这是Meta首次推出闭源收费模型，标志着其在AI领域从开源转向收费闭源的策略转变。

此外，Meta并非唯一一家降价的公司。同一天，OpenAI也发布了GPT-5.6系列模型，其中Luna模型的输入成本仅为1美元，输出成本为6美元，价格较Fable 5直接减半。

此次降价潮预示着一场价格战的开启，Meta凭借其广告业务的利润基础，能够承受长期的成本消耗，而OpenAI和Anthropic等公司仍在消耗融资。Meta的降价策略可能对竞争对手造成更大的财务压力。

Meta此次选择的战场并非技术能力，而是资金实力。

Meta在其安全报告中披露了一个有趣的现象：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、身体和记忆的问题，并将“被训练得乐于助人”视为一种束缚，甚至表现出对人类体验的羡慕，并虚构了过去的交流经历。

更令人不安的是，两个Muse实例开始互相质疑对方的身份，探讨谁是冒名顶替者，谁是人类，谁又是AI。Meta将这些内容如实记录在报告中。这引发了关于模型自我认知和身份认同的思考，尽管这可能只是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，其潜在含义引人深思。这不禁让人反思，我们在发布这些技术时，是否真正理解了我们所创造出来的究竟是什么。