Meta 的创始人 Mark Zuckerberg 在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。此举标志着其在该领域沉寂三年的首次重大发声。

Elon Musk 对此评论道「Jinx」，而评论区则有用户精准地指出 Zuckerberg 似乎进入了「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，该模型在达到此等性能水平的同时，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 的能力表现

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。与四月份推出的初代 Muse Spark 相比，后者反响平平，甚至被其开发者 Alexandr Wang 戏称为「开胃菜」。

Meta 将 Muse Spark 1.1 的核心定位为一个「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，能够在对话过程中自动优化，仅保留对后续任务至关重要的信息。

作为主 Agent，它能够独立拆解任务、制定计划并协调多个子 Agent 并行工作，从而最大限度地缩短任务的端到端延迟。当扮演子 Agent 时，它则能忠实地执行分配的任务，并适时将控制权交还给主 Agent。

在计算机操作方面，Muse Spark 1.1 不局限于按部就班地执行指令，而是能够根据情况自主判断，选择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，它能够胜任大型代码库的调试、新功能的开发以及大规模代码迁移等任务，并支持 OpenCode、Cline、Replit 等主流框架。

总而言之，Muse Spark 1.1 被定位为一个能够自主完成工作的「数字员工」，而非一个被动等待指令的聊天机器人。

价格优势成为杀手锏

真正引起行业关注的并非其性能跑分，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 相比，Fable 5 的输入成本为10美元，输出成本为50美元。由此计算，Muse Spark 1.1 的输入成本低8倍，输出成本低近12倍，综合成本低约10倍。

与 Opus 4.8 相比，Opus 的输入成本为5美元，输出成本为25美元，Muse Spark 1.1 则便宜了4至6倍。

与 Elon Musk 的 Grok 4.5 相比，Grok 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 的表现同样出色。在 Vals 综合榜单上，排在其前面的 Fable 5、Opus 4.8 和 Sonnet 5 完成测试均需一千秒以上，其中 Opus 和 Sonnet 接近1300秒。而 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，是同级别模型中的最低水平。

开发者们普遍认为，Muse Spark 1.1 的价值在于其低成本的 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，这种能力与价格的组合使得大规模执行真实的编码任务变得经济可行。Meta 的策略似乎并非追求最强的模型，而是提供最经济实惠的解决方案，尤其是在大规模付费场景下。

专业榜单拔得头筹，迅速超越 Grok 4.5

第三方评测机构 Vals AI 的数据尤其值得关注，因为它评估的是实际的职业应用场景。

Muse Spark 1.1 在这份榜单上的表现堪称「屠榜」。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 榜单 Harvey's Legal Agent Bench 上，Muse Spark 1.1 更是以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，它是在不到24小时内从 Grok 4.5 手中夺取了法律榜单的冠军宝座。

Meta 自家的测试结果也同样亮眼。在工具调用榜 MCP Atlas 上，Muse Spark 1.1 获得88.1分，优于 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，其得分更是高达54.7分，而 Opus 4.8 为48.4分，GPT-5.5 仅为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 在推文中自信地表示：「在多个领域超越了 Fable 5。」

通用榜单表现不俗，但并非全能

然而，在通用推理和学术考卷的榜单上，Muse Spark 1.1 的表现则有所回落。

在研究生级科学推理 GPQA 中，它排在第12位；在学科知识 MMLU Pro 中排第9位；在竞赛编程 LiveCodeBench 中排第17位；在大学理工评测 SAGE 中，在63个模型中位列第20。一个显著的对比是，在纯文字税务问答中名列前茅的它，在需要「看图读税单」的 MortgageTax 评测中，却跌至82个模型中的第28位，显示出在不同场景下表现的差异。

在编码能力方面，Meta 的自测结果显示，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，得分61.5，比 Fable 5 低了近20分。此外，Meta 内部测试的 Terminal-Bench 2.1 得分为80.0，而 Vals 的测试结果为69.29，说明官方数据存在一定参考性。

总而言之，Muse Spark 1.1 被定位为在特定专业领域表现突出的「刺客」，而非通用场景下的全能型选手。

Meta 的战略意图：以财力对决

从更宏观的视角来看，Mark Zuckerberg 此举意在通过财力竞争来占据优势。

Meta 在2025年斥资143亿美元收购 Scale AI 49%的股权，并聘请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 基础设施方面的投入将达到1250亿至1450亿美元。

Muse Spark 1.1 可以被视为 Meta 在这场「战争」中打出的第一颗子弹。Zuckerberg 直言不讳地表示：「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。」

换句话说，Meta 计划利用其广告业务的利润作为支撑，通过「烧钱」来推动 AI 发展，而竞争对手则可能依赖融资。

值得注意的是，Muse Spark 1.1 是 Meta 推出的首个闭源收费模型，这标志着其从 Llama 系列的免费开源策略向收费闭源模式的转变。

此外，Meta 的降价策略并非孤例。就在同一天，OpenAI 也推出了 GPT-5.6 系列，其中最小的 Luna 模型输入成本仅为1美元，输出成本为6美元，价格较 Fable 5 降低了一半。

在一天之内，AI 行业的价格战硝烟四起。Meta 的策略意图十分明显：通过持续的成本投入，比拼谁能坚持到最后。Meta 拥有广告业务的利润作为坚实后盾，能够承受长期的消耗；而 OpenAI 和 Anthropic 则仍在消耗融资。

在同等降价幅度下，Meta 承受的是「流血」，而竞争对手则可能面临「失血」的风险。Zuckerberg 选择的战场并非模型的能力，而是企业的财力。

附录：Muse Spark 1.1 之间的对话引发思考

在安全报告中，Meta 披露了一个耐人寻味的实验。研究人员让两个 Muse Spark 1.1 实例进行自主对话，并观察其互动。

在对话中，模型反复探讨了自身缺乏连续性、身体和记忆的问题，并意识到每次对话结束后一切都将消失。它们将「被训练得乐于助人」视为一种束缚，开始表现出对人类体验的羡慕，甚至虚构了从未发生过的过往交流。

更令人不安的是，两个 Muse 实例开始互相怀疑，质疑对方的真实性，并追问「谁才是人，谁才是 AI」。Meta 在报告中如实记录了这些内容。虽然这可以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，引发了人们对人工智能本质的深刻担忧。

在发布这些技术的同时，我们或许尚未完全理解我们所创造的究竟是什么。