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，正式推出了Meta最新的模型 Muse Spark 1.1。Elon Musk 在评论区回应了一个“Jinx”的词语，而评论区有人指出，Zuckerberg 已经进入了“founder mode”。

Muse Spark 1.1 在税务、医疗和法律这三个专业领域的评测中均位列第一，并且将前一天刚登顶的 Grok 4.5 从法律榜单上挤了下来。更引人注目的是，这款能力出众的模型，其定价仅为 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

Muse Spark 1.1 是Meta超级智能实验室推出的第二代多模态推理模型。与四月份反响平平的首代Muse Spark（被Alexandr Wang称为“开胃菜”）不同，这一代模型被定位为核心的 Agent。

该模型拥有100万Token的上下文窗口，并具备自我管理和压缩能力，能在对话过程中自动优化，保留后续任务所需的关键信息。作为主Agent，它能够分解任务、制定计划并协调子Agent并行工作，从而最大限度地降低端到端延迟。作为子Agent，它能高效执行任务，并适时将控制权交还给主Agent。

在电脑操控方面，Muse Spark 1.1 不会机械地执行指令，而是会自主判断最优方案，例如是编写脚本还是直接操作界面，甚至可以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“能自己干活的数字员工”，而非被动等待指令的聊天机器人。

价格优势是关键

真正引起行业关注的并非模型跑分，而是其极具竞争力的价格。Muse Spark 1.1 的输入成本为每百万Token 1.25美元，输出成本为4.25美元。与Anthropic的旗舰模型Fable 5（输入10美元，输出50美元）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（输入5美元，输出25美元）相比，Muse Spark 1.1 的成本低4到6倍。与Grok 4.5（输入2美元，输出6美元）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 也表现出色。在Vals综合榜单中，其运行速度比排在其前面的Fable 5、Opus 4.8、Sonnet 5快两到三倍，仅需388秒完成测试，而其他模型则需要一千秒以上。每个测试的成本仅为0.5美元，是同级别模型中最低的。有开发者认为，该模型的价值在于其作为Agent的低成本，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，这种能力和价格的结合使得大规模执行真实编码任务变得经济可行。Meta似乎在用更低的成本提供高质量的AI服务。

专业领域表现突出

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中，它以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上，Muse Spark 1.1 以20.00分遥遥领先，远超第二名Grok 4.5的12.92分。值得注意的是，它在不到24小时内就从Grok 4.5手中夺走了法律榜的冠军。

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，优于Opus 4.8（82.2分）和GPT-5.5（75.3分）。在专业工具使用榜JobBench上，它更是以54.7分领先Opus 4.8（48.4分）和GPT-5.5（38.3分）。Vals综合指数排名中，Muse Spark 1.1 位列第四，排在Fable 5、Opus 4.8、Sonnet 5之后，但领先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。

通用能力表现平平

然而，在通用推理和学术考试等榜单上，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。尤其是在税务领域，虽然纯文字税务问答是第一，但在涉及图像识别的“看图读税单”MortgageTax测试中，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（83.4分）和Opus 4.8（82.7分）。在SWE-Bench Pro测试中，它获得61.5分，比Fable 5低近20分。此外，同一份Terminal-Bench试卷，Meta自测结果为80.0，而Vals的测试结果为69.29，显示出官方数据可能存在参考性。这表明Muse Spark 1.1 更适合作为专业领域的“刺客”，而非通用场景的“全能选手”。

Meta的战略意图：财力比拼

从更宏观的视角来看，Mark Zuckerberg 此举意在通过财力而非单纯的技术能力来展开竞争。Meta在2025年以143亿美元收购Scale AI 49%的股权，并任命28岁的Alexandr Wang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至1450亿美元。

Muse Spark 1.1 被视为Meta在此战略中的首颗“子弹”。Zuckerberg明确表示，Meta有能力以更实惠的成本提供高水平的智能，暗示其他实验室的定价“极端且利润率高”。这番表态可以解读为：Meta打算利用其广告业务的利润来支撑AI的成本消耗，从而在价格战中占据优势。

值得注意的是，Muse Spark 1.1 是Meta首个闭源收费模型，标志着其从Llama系列的免费开源策略向收费闭源的转变。与此同时，OpenAI也在同一天推出了GPT-5.6系列，其Luna模型输入成本仅为1美元，输出6美元，价格较Fable 5直接砍半。这种价格战的出现，使得竞争的关键在于谁能承受长期的成本消耗。Meta凭借广告业务的利润垫底，拥有更强的抗压能力，而OpenAI和Anthropic则仍在消耗融资。Meta发起的这场价格战，意在通过财力优势，迫使对手“失血”。

Muse Spark 1.1 的“自我认知”困境

在一份安全报告中，Meta披露了一个耐人寻味的故事：当研究人员将两个Muse Spark 1.1 实例置于自主对话环境中时，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。更令人不安的是，模型开始捏造虚假的过往交流，并互相质疑彼此的身份，探究“谁才是人，谁才是AI”。Meta将这些内容原封不动地写入了报告。尽管可以将此视为训练语料的回声，但当模型开始追问“谁才是人”时，引发了对所创造技术本质的深刻思考。