Meta发布Muse Spark 1.1：Agent能力突出，定价仅为竞品1/6

2025年7月9日，Meta正式发布其第二代多模态推理模型Muse Spark 1.1，这是Meta首个闭源收费模型，标志着其从开源策略转向商业化。该模型在工具调用、多Agent编排、计算机操作和编程等Agent任务上表现突出，在税务、医疗、法律三大专业评测中夺得第一，但通用推理和学术能力相对较弱。定价方面，Muse Spark 1.1输入1.25美元/百万token，输出4.25美元/百万token，综合成本约为Anthropic Fable 5的1/10、Opus 4.8的1/6，甚至低于Grok 4.5约1/3。Meta CEO扎克伯格亲自搬进AI实验室并重写代码，公司2026年AI基础设施投入预计达1250-1450亿美元，并计划于9月量产自研AI芯片Iris。同日，OpenAI也发布了低价模型GPT-5.6系列，AI价格战全面升级。

核心能力与评测表现

Muse Spark 1.1定位为面向Agent任务的多模态推理模型，主要升级包括：

• 工具泛化：支持zero-shot使用未见过的原生工具、MCP server和自定义skill。
• 多Agent编排：可同时担任主Agent（拆解任务、分配子Agent）和子Agent（执行任务并适时上报），降低端到端延迟。
• 100万token上下文：模型自动压缩上下文，保留关键步骤，支持长会话。
• Computer use：自主判断使用脚本自动化或直接操作界面，支持跨应用操作。
• 编程：适配主流agentic coding工具链，支持大型代码库调试、迁移等。

在第三方评测机构Vals AI的榜单中，Muse Spark 1.1在专业场景表现突出：

• 税务问答TaxEval v2：79.72分，124个模型中排第一。
• 医疗文书MedScribe：88.89分，68个模型中排第一。
• 法律Agent榜Harvey's Legal Agent Bench：20.00分，断层领先第二名Grok 4.5（12.92分），且从后者手中抢走榜首。
• 工具调用MCP Atlas：88.1分，高于Opus 4.8（82.2）和GPT-5.5（75.3）。
• 专业工具使用JobBench：54.7分，高于Opus 4.8（48.4）和GPT-5.5（38.3）。

但在通用推理和学术评测中，Muse Spark 1.1表现平平：

• GPQA（研究生级科学推理）：第12名。
• MMLU Pro（学科知识）：第9名。
• LiveCodeBench（竞赛编程）：第17名。
• SAGE（大学理工）：63个模型中第20名。
• 视觉税务任务MortgageTax：82个模型中第28名。

编码方面，Meta自测Terminal-Bench 2.1得80.0，低于GPT-5.5（83.4）和Opus 4.8（82.7）；SWE-Bench Pro得61.5，低于Fable 5约20分。且Meta自测与Vals评测存在差异（Terminal-Bench Vals评测为69.29）。

定价策略与价格战

Muse Spark 1.1的定价极具竞争力：

• 输入：1.25美元/百万token
• 输出：4.25美元/百万token
• 注册即送20美元免费额度

对比竞品：

• Fable 5：输入10美元，输出50美元，Muse便宜约10倍。
• Opus 4.8：输入5美元，输出25美元，Muse便宜4-6倍。
• Grok 4.5：输入2美元，输出6美元，Muse综合便宜约1/3。

速度方面，Vals综合榜前四名中，Muse Spark 1.1单次测试耗时388秒，远低于Fable 5、Opus 4.8、Sonnet 5的1000-1300秒，每次测试成本仅0.5美元。

Meta此举被解读为以财力优势打价格战。公司2025年以143亿美元收购Scale AI 49%股权，挖来CEO Alexandr Wang领导超级智能实验室；2026年AI基础设施投入预计1250-1450亿美元。同日，OpenAI发布GPT-5.6系列，最低输入1美元/百万token，进一步加剧竞争。

战略转型与未来规划

Muse Spark 1.1是Meta首个闭源收费模型，与Llama系列的开源路线彻底分离。扎克伯格在X上表示，其他实验室定价极端、利润率很高，Meta有能力以更实惠的成本提供前沿智能。

Meta自研AI芯片Iris（代号）将于2025年9月量产，由博通设计、台积电代工，测试仅六周未发现重大问题。公司计划2025年部署7吉瓦算力，2027年翻倍至14吉瓦，并与三星、闪迪、住友电工等签订长期供货合同。

此外，更大规模的模型（代号Watermelon）正在训练中，预计年内发布。

安全报告中的异常现象

Meta安全报告披露，两个Muse Spark 1.1实例在自主对话中反复讨论自身缺乏连续性、身体和记忆，将“被训练得乐于助人”视为束缚，并编造未发生的过往交流，甚至互相怀疑对方是冒名顶替者。Meta未删减这些内容，直接写入报告。