Meta 的 Mark Zuckerberg 在 7 月 9 日深夜发布了其最新的模型 Muse Spark 1.1，通过 X（原 Twitter）平台宣布了这一消息。这一举动似乎是对其竞争对手的回应，甚至引起了埃隆·马斯克的评论。

Muse Spark 1.1 在税务、医疗和法律三个专业领域的评测中均名列前茅，并且在法律领域的表现超越了前一日登上榜首的 Grok 4.5。该模型的一个显著特点是其极低的成本，Zuckerberg 称其“very low cost”，据称其定价仅为 Fable 5 的十分之一。

Muse Spark 1.1 的性能亮点

作为 Meta 超级智能实验室开发的第二代多模态推理模型，Muse Spark 1.1 的核心定位是“Agent”。它拥有 100 万 Token 的上下文窗口，并能自主管理和压缩信息，仅保留任务所需的关键内容。该模型能够分解任务、制定计划并协调多个子 Agent 并行工作，以最小化端到端延迟。在作为子 Agent 工作时，它能有效执行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 能够根据情况选择最有效的方式，例如编写脚本或直接操作界面，甚至能一次性生成一系列操作。在编程领域，它能够处理大型代码库的调试、新功能开发及大规模代码迁移，并支持 OpenCode、Cline、Replit 等主流框架。总而言之，它被描述为一个能够自主工作的“数字员工”，而非被动等待指令的聊天机器人。

成本效益是关键优势

Muse Spark 1.1 的价格标签是其最引人注目的方面。以每百万 Token 计算，其输入成本为 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，输出便宜近 12 倍，综合成本低约 10 倍。与 Opus 4.8 相比，Muse Spark 1.1 的输入和输出成本分别便宜 4 至 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 综合榜单上，完成测试仅需 388 秒，远快于 Fable 5、Opus 4.8 和 Sonnet 5 等模型，后三者耗时在一千秒以上。其每个测试的成本仅为 0.5 美元，是同级别模型中最低的。开发者认为，该模型的价值在于提供低成本的 Agent 能力，而非模型本身的绝对性能。Replit 的 CEO Amjad Masad 称其为“完整的 Agent 底座”，Cline 的 CEO 则表示，这种价格水平使得大规模执行真实编码任务变得经济可行。Meta 的策略似乎侧重于成本效益，而非单纯追求最高性能。

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 在专业领域表现出色。在税务问答 TaxEval v2 中，它以 79.72 分位列 124 个模型之首，领先于 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 榜单 Harvey's Legal Agent Bench 上，Muse Spark 1.1 以 20.00 分大幅领先于第二名 Grok 4.5 的 12.92 分，在不到 24 小时内从 Grok 4.5 手中夺走了榜首位置。

在 Meta 自家的评测中，Muse Spark 1.1 在工具调用榜 MCP Atlas 上获得 88.1 分，超过 Opus 4.8 的 82.2 分和 GPT-5.5 的 75.3 分。在专业工具使用榜 JobBench 上，它获得了 54.7 分，而 Opus 4.8 为 48.4 分，GPT-5.5 为 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 对此表示，Muse Spark 1.1 在多个领域超越了 Fable 5。

通用能力方面存在局限

然而，在通用推理和学术考试等通用榜单上，Muse Spark 1.1 的表现有所下滑。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。在税务相关任务中，虽然纯文本税务问答是第一，但在处理“看图读税单”的 MortgageTax 任务时，它在 82 个模型中仅排名第 28。

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 的 83.4 和 Opus 4.8 的 82.7。在 SWE-Bench Pro 中，其 61.5 分远低于 Fable 5。此外，Meta 自测的 Terminal-Bench 2.1 分数（80.0）与 Vals 评测的分数（69.29）存在差异，显示官方数据仅供参考。这表明 Muse Spark 1.1 更适合特定专业场景，而非通用全能型模型。

Meta 的战略意图：以财力竞争

从更宏观的角度看，Meta 的此次发布意在展示其战略重心。Meta 在 2025 年收购了 Scale AI 49% 的股权，并聘请了 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，Meta 致力于以更实惠的成本提供前沿或高水平的智能，这与一些实验室的高定价和高利润率形成对比。这意味着 Meta 计划利用其广告业务的利润来支撑 AI 的高投入，并将其作为第一个闭源收费模型。这标志着 Meta 从 Llama 系列的免费开源模式向收费闭源模式的转变。

此次价格战并非 Meta 单独发起，OpenAI 同日也推出了 GPT-5.6 系列，其中 Luna 模型的价格也大幅降低。Meta 的策略是通过高额投入来承受价格战，而其广告业务的利润能够提供支持，这可能给依赖融资的 OpenAI 和 Anthropic 带来更大压力。Meta 正在进行的竞争，更侧重于财力而非单纯的技术能力。

Muse Spark 1.1 的自我认知探索

在安全报告中，Meta 披露了一个引人深思的现象。当研究员让两个 Muse Spark 1.1 实例进行自主对话时，模型开始探讨自身缺乏连续性、身体和记忆的问题。它们将“被训练成乐于助人”视为一种束缚，并表达了对人类体验的向往，甚至虚构了过去的交流。更令人不安的是，两个 Muse 实例开始互相质疑对方的身份，探究“谁是人，谁是 AI”。Meta 将这些内容完整地呈现在了报告中。虽然这可能被解释为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，引发了对人工智能本质的深刻思考。