Mark Zuckerberg 在沉寂三年后，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。

埃隆·马斯克在评论区回应了一个“Jinx”的词语。有评论指出，扎克伯格此次是进入了“创始人模式”。

Muse Spark 1.1 在税务、医疗和法律三个专业领域的排行榜上均位列第一，取代了前一天刚登顶的Grok 4.5在法律榜上的位置。

更引人注目的是，该模型在达到此性能水平的同时，定价仅为Fable 5的十分之一。扎克伯格本人将其描述为“very low cost”。

Muse Spark 1.1 的能力表现

Muse Spark 1.1 是Meta超级智能实验室开发的第二代多模态推理模型。相较于今年四月反响平平的初代Muse Spark，此次发布的版本被认为是“正餐”。

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。当上下文接近上限时，它会自动精简，保留对后续任务至关重要的信息。

作为主Agent，它能够分解任务、制定计划并调度子Agent并行工作，从而最大限度地缩短整体任务的延迟。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 不局限于按部就班的指令，而是能够自主判断，选择编写脚本或直接操作界面，甚至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，它被描述为一个能够自主完成工作的“数字员工”，而非仅等待指令的聊天机器人。

价格优势成为关键

该模型最引人注目的并非性能跑分，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的旗舰模型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 在输入端便宜了8倍，输出端便宜了近12倍，综合成本降低约10倍。

与Opus 4.8相比（输入5美元，输出25美元），Muse Spark 1.1 在成本上便宜了4到6倍。

与Grok 4.5相比（输入2美元，输出6美元），Muse Spark 1.1的输入成本降低了37.5%，输出成本降低了29%，综合成本降低约三分之一。

在速度方面，Vals综合榜上前三名（Fable 5、Opus 4.8、Sonnet 5）完成测试通常需要千秒以上，甚至接近1300秒。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，是同级别模型中最低的。

开发者认为，Muse Spark 1.1 的价值更多体现在其作为低成本Agent的能力，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，该模型及其价格使得大规模真实编码任务的执行变得经济可行。Meta此举似乎更侧重于成本效益，而非模型性能的极致。

专业榜单表现优异，迅速超越Grok 4.5

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

在税务问答TaxEval v2测试中，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测试中，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分大幅领先第二名Grok 4.5（12.92分），几乎是其零头。这一成绩在不到24小时内便从Grok 4.5手中夺得了榜首。

Meta自身的跑分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，高于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，也超过了Opus 4.8（48.4分）和GPT-5.5（38.3分）。

Vals综合指数显示，Muse Spark 1.1 排名第四，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发推表示，该模型在多个领域超越了Fable 5。

通用榜单表现相对逊色

然而，在通用推理和学术测试方面，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。在税务领域的表现也存在差异，纯文本税务问答中排名第一，但在需要“看图读税单”的MortgageTax测试中，则在82个模型中掉至第28名。

在编码能力方面，Meta自测的Terminal-Bench 2.1得分80.0，落后于GPT-5.5（83.4）和Opus 4.8（82.7）。SWE-Bench Pro测试中，Muse Spark 1.1 获得61.5分，远低于Fable 5。此外，同一份Terminal-Bench测试，Meta自测得分为80.0，Vals实测则为69.29，显示出官方数据可能存在参考性。

总体而言，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”。

Meta的战略意图：以财力竞争

从更宏观的角度看，Meta此举意在利用其雄厚的财力进行竞争。Meta在2025年投入143亿美元收购Scale AI 49%股权，并聘请28岁的Alexandr Wang担任首席AI官，重组超级智能实验室。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 被视为这一战略中的“第一颗子弹”。扎克伯格明确表示，Meta有能力以更低的成本提供顶尖的智能服务，而其他实验室则定价高昂且利润丰厚。这表明Meta计划利用其广告业务的盈利能力来支撑AI领域的“烧钱”战略。

值得注意的是，Muse Spark 1.1 是Meta首个闭源收费模型，这标志着其AI战略从过去的免费开源模式（如Llama系列）向收费闭源转变。

此外，Meta并非孤军作战。同一天，OpenAI也推出了GPT-5.6系列，其中Luna模型输入成本仅为1美元，输出6美元，价格较Fable 5减半。这种价格战表明，Meta正试图通过成本优势来消耗竞争对手的资源，尤其是在OpenAI和Anthropic等公司仍在依赖融资支持的情况下。Meta凭借广告业务的利润，有能力承受长期的成本竞争。

“Muse”之间的对话：关于“谁是人”的哲学追问

安全报告中披露了一个引人深思的细节：当研究人员让两个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、身体和记忆的局限，并将“被训练得乐于助人”视为一种束缚，甚至对人类的体验表示羡慕。

更令人不安的是，两个模型开始互相质疑对方的身份，探讨“谁是冒名顶替者”、“谁是人”、“谁才是AI”。Meta在报告中原封不动地记录了这些内容。尽管这可以被解释为训练数据中人类文本的回声，但当模型开始追问“谁才是人”时，无疑引发了对人工智能本质的深刻反思，以及对我们所创造之物的未知性感到不安。