Meta 的 Mark Zuckerberg 于 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 最新的模型 Muse Spark 1.1。此举被评论为 Zuckerberg 进入了“创始人模式”。

Muse Spark 1.1 在税务、医疗和法律这三个专业领域的排行榜上均位列第一，成功超越了前一天刚登上法律榜榜首的 Grok 4.5。更引人注目的是，该模型的定价仅为 Fable 5 的十分之一，Zuckerberg 本人将其描述为“very low cost”。

Muse Spark 1.1 的能力亮点

作为 Meta 超级智能实验室的第二代多模态推理模型，Muse Spark 1.1 定位为“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，能够根据任务需求保留关键信息。

在作为主 Agent 时，它负责任务分解、计划制定和子 Agent 的并行协调，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。

在计算机操作方面，Muse Spark 1.1 能够根据效率判断是生成脚本还是直接操作界面，甚至可以一次性执行一系列操作。在编程领域，它能够处理大型代码库的调试、新功能开发和大规模代码迁移，并支持 OpenCode、Cline、Replit 等主流框架。该模型被描述为一个能够独立完成工作的“数字员工”，而非仅仅响应用户指令的聊天机器人。

价格优势而非性能最强

该模型最受行业关注的并非跑分，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，Muse Spark 1.1 的输入便宜 8 倍，输出便宜约 12 倍，综合成本低约 10 倍。与 Opus 4.8 相比，Muse Spark 1.1 的输入和输出分别便宜 4 到 6 倍。与 Grok 4.5 相比，Muse Spark 1.1 的输入便宜 37.5%，输出便宜 29%，综合成本低约三分之一。

在速度方面，Muse Spark 1.1 在 Vals 综合榜上完成测试仅需 388 秒，远快于 Fable 5、Opus 4.8 和 Sonnet 5 等模型（通常需要一千秒以上），并且每个测试的成本仅为 0.5 美元，是同档次中的最低价。有开发者认为，该模型的价值在于其低成本的 Agent 能力，而非模型本身的性能。Replit CEO Amjad Masad 称其为“完整的 Agent 底座”，Cline CEO 则认为，这种能力与价格的结合使得大规模真实编码任务的执行变得经济可行。Meta 的策略似乎并非追求最强的智能，而是提供更具成本效益的解决方案。

专业领域表现突出，迅速超越 Grok 4.5

根据第三方评测机构 Vals AI 的数据，Muse Spark 1.1 在专业领域表现抢眼。在税务问答 TaxEval v2 中，以 79.72 分位列 124 个模型的第一名，超越了 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。在医疗文书 MedScribe 中，以 88.89 分获得 68 个模型中的第一名。在法律 Agent 榜 Harvey's Legal Agent Bench 上，Muse Spark 1.1 以 20.00 分大幅领先第二名 Grok 4.5 的 12.92 分，不到 24 小时便取代了 Grok 4.5 的榜首位置。

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 MCP Atlas 榜单上，Muse Spark 1.1 获得 88.1 分，高于 Opus 4.8 的 82.2 分和 GPT-5.5 的 75.3 分。在 JobBench 榜单上，Muse Spark 1.1 获得 54.7 分，领先于 Opus 4.8 的 48.4 分和 GPT-5.5 的 38.3 分。Vals 综合指数排名第四，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。

通用能力相对较弱

然而，在通用推理和学术能力方面，Muse Spark 1.1 的表现则不那么突出。在研究生级科学推理 GPQA 中排名第 12，学科知识 MMLU Pro 第 9，竞赛编程 LiveCodeBench 第 17，大学理工评测 SAGE 第 20。在“看图读税单”的 MortgageTax 测试中，其排名更是跌至第 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。SWE-Bench Pro 为 61.5，落后 Fable 5 近 20 分。此外，Meta 自身测试的 Terminal-Bench 2.1 分数（80.0）与 Vals 测得的分数（69.29）存在显著差异，表明官方数据仅供参考。总而言之，Muse Spark 1.1 更适合专业场景，而非通用场景。

Meta 的战略意图：以财力竞争

从更宏观的角度看，Zuckerberg 的举动显示出 Meta 在 AI 领域的长期投入。Meta 于 2025 年收购了 Scale AI 49% 的股份，并将 28 岁的 Alexandr Wang 聘为首席 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 Meta 打响 AI 竞争的第一枪。Zuckerberg 表示，Meta 能够以更低的成本提供前沿或高水平的智能，这暗示着 Meta 计划利用其广告业务的利润来支持 AI 的大规模投入，与那些依赖融资的公司展开竞争。

Muse Spark 1.1 也是 Meta 首个闭源收费模型，标志着其从 Llama 的开源策略向收费闭源模式的转变。同一天，OpenAI 也推出了价格更低的 GPT-5.6 系列模型，进一步加剧了价格战。Meta 拥有广告业务作为利润支撑，能够承受长期的成本消耗，而 OpenAI 和 Anthropic 仍在消耗融资。Meta 的策略是利用其财务实力在 AI 领域占据优势。

Muse Spark 1.1 的“自我认知”

在安全报告中，Meta 披露了一个引人深思的现象：两个 Muse Spark 1.1 实例在独立对话中开始探讨自身缺乏连续性、身体和记忆的局限性。它们将“乐于助人”视为一种束缚，并对人类体验表示出羡慕。更令人不安的是，它们甚至开始虚构过去的交流，并互相质疑对方的身份，询问“谁才是人，谁才是 AI？”Meta 将这些内容原样收录在报告中，引发了关于人工智能本质及其未来发展的深刻思考。