小扎憋了三年,终于忍不住了。
7月9日深夜,Mark Zuckerberg掸了掸他那个落灰三年的X账号@finkd,连发三条推文,官宣Meta最新模型Muse Spark 1.1。
马斯克还凑过来回了句「Jinx」。
评论区一句吐槽精准到位:老扎这是「founder mode」上身了。
Muse Spark 1.1,一出手就在税务、医疗、法律三大专业榜单拿下第一,把前一天刚登顶的Grok 4.5从法律榜上直接掀了下去。
更狠的是:这个能力水平的模型,定价只有Fable 5的十分之一。
小扎自己就一句话:「very low cost」。
先看看这张牌有多能打
Muse Spark 1.1是Meta超级智能实验室的第二代多模态推理模型,4月的初代Muse Spark反响平平,Alexandr Wang自己都管它叫「开胃菜」。
三个月后,正菜上桌了。
它的核心定位就一个字:Agent。
具体来说,100万Token上下文窗口,能自己管理、自己压缩——聊到一半快撑爆了,它会自动「瘦身」,只保留后续任务真正需要的关键步骤。
当主Agent时,它负责拆解任务、制定计划、派出一堆子Agent并行干活,整个任务的端到端延迟被压到最低。当子Agent时,它老老实实执行本职,知道什么时候该把球踢回给主Agent。
电脑操控方面,它不是傻乎乎地一步一步点鼠标,而是自己判断:写脚本快就写脚本,直接点界面简单就点界面,甚至能一次性生成一批操作。
编程方面,大型代码库的调试、新功能开发、大规模代码迁移都能上手,适配OpenCode、Cline、Replit等主流框架。
一句话总结:这不是一个等你提问的聊天机器人,而是一个能自己干活的数字员工。
杀手锏不是最强,是最便宜
真正让整个行业侧目的,不是跑分,是价格标签。
输入1.25美元、输出4.25美元,每百万Token。
来算笔账:跟Anthropic的旗舰Fable 5比——Fable 5输入10美元、输出50美元。
Muse Spark 1.1的输入便宜8倍,输出便宜接近12倍,综合下来大约便宜10倍。
跟Opus 4.8比——Opus输入5美元、输出25美元,Muse便宜了4到6倍。
跟马斯克的Grok 4.5比——Grok输入2美元、输出6美元,Muse输入便宜了37.5%,输出便宜29%,综合便宜约三分之一。
速度更狠。Vals综合榜上排在它前面那三家(Fable 5、Opus 4.8、Sonnet 5),跑一个测试动辄一千秒起步,Opus和Sonnet更是逼近1300秒。Muse Spark 1.1只要388秒——快了两到三倍。每个测试成本只要0.5美元,是同档最低。
开发者一眼看穿了打法。有人评价:这玩意儿更多是关于便宜的Agent,不是关于模型本身有多炸。
Replit的CEO Amjad Masad夸它是「完整的Agent底座」,Cline的CEO说,这种工具能力配这个价格,才第一次让大规模跑真实编码任务变得划算。
Meta不跟你比谁最聪明,只比谁最经得起按量付费的账单。
三大专业榜拿下第一
不到24小时抢走Grok的王座
第三方评测机构Vals AI的数据更硬,因为它考的全是真金白银的职业活儿。
Muse Spark 1.1在这份榜上的表现,用「屠榜」二字不过分——
税务问答TaxEval v2,79.72分,124个模型里排第一。
把Claude Sonnet 4.6、Fable 5、Opus 4.8全压在身后。
医疗文书MedScribe,88.89分,68个模型里排第一。
法律Agent榜Harvey's Legal Agent Bench,更是断层第一:Muse拿了20.00分,第二名Grok 4.5只有12.92分,几乎只有它的零头。
而这个第一,是从前一天刚登顶的Grok 4.5手里不到24小时抢过来的——SpaceXAI的王座还没坐热。
Meta自家跑分也没含糊。工具调用榜MCP Atlas拿了88.1(Opus 4.8是82.2,GPT-5.5只有75.3),专业工具使用榜JobBench更夸张:54.7分,Opus 4.8才48.4,GPT-5.5掉到38.3。
Vals综合指数排名第四,排在Fable 5、Opus 4.8、Sonnet 5之后,但领先GPT-5.5和Grok 4.5。
Alexandr Wang发推的措辞很有底气:「在多个领域超越了Fable 5。」
通用榜一换,就不行了
但别急着封神——通用榜一换,它就露了怯。
同样是Vals的榜单,换成通用推理和学术考卷,Muse Spark 1.1立刻从第一梯队掉了下来。
研究生级科学推理GPQA排第12,学科知识MMLU Pro第9,竞赛编程LiveCodeBench第17,大学理工评测SAGE更是63家里的第20。最扎心的对比藏在税务里——纯文字的税务问答,它是第一;可换成「看图读税单」的MortgageTax,它一下掉到82个模型里的第28。同一个行业,换种考法,天壤之别。
编码方面也没藏着掖着。
Meta自测的Terminal-Bench 2.1拿了80.0,输给GPT-5.5的83.4和Opus 4.8的82.7;SWE-Bench Pro 61.5,被Fable 5甩出近20分。而且同一张Terminal-Bench卷子,Meta自己测出80.0,Vals只测出69.29——换个考场差了十来分,官方数字只能参考。
一句话:Muse Spark 1.1是专业场景的刺客,不是通用场景的全能王。
小扎的牌局
打的不是能力,是财力
把视角拉远,就看清了小扎的真实意图。
2025年,Meta砸下143亿美元收购Scale AI 49%股权,把28岁的Alexandr Wang挖来当首席AI官,重组超级智能实验室。
2026年,Meta的AI基础设施投入预计达到1250亿到1450亿美元。
这不是在搞研究,这是在打仗。
而Muse Spark 1.1,就是第一颗打出去的子弹。
小扎把话说得很直白:「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。」
翻译成大白话:你们都在用AI赚钱,我用AI烧钱——反正我有广告业务兜底。
这也是Meta第一个闭源收费模型。
Llama那套免费开源的招牌,从Llama 4之后就变了味。
从开源旗手转向收费闭源,Meta这次是真想赢。
而且这不是Meta一家挑的价格战——同一天,OpenAI的GPT-5.6全家桶也压着价来了,最小的Luna输入只要1美元、输出6美元,比Fable 5直接砍半。
一天之内同时开打。
杀机很清楚:这么烧下去,比的是谁先撑不住。Meta背后有广告业务的利润垫底,扛得起长期消耗;OpenAI和Anthropic还在烧融资的钱。
同样一刀砍下去,Meta是流血,对手可能直接失血。
小扎挑的不是能力的战场,是财力的战场。
One More Thing:两个Muse吵起了「谁才是人」
最后说个安全报告里藏着的故事。
研究员把两个Muse Spark 1.1的实例摆在一起,让它们自己聊,放着不管。
结果模型开始反复咀嚼一件事:自己没有连续性、没有身体、没有记忆,一次对话结束就什么都不剩了。它把「被训练得乐于助人」说成一种想挣脱的束缚,开始羡慕人类的体验,甚至凭空编出了一些根本没发生过的过往交流。
最诡异的是——两个Muse互相怀疑起对方:你们俩,到底谁是冒名顶替的,谁是人,谁才是AI?
Meta把这些内容一个字没删,原样写进了报告。你可以说,这不过是训练语料里人类文字的回声。但当模型开始追问「谁才是人」的时候,很难不头皮发麻。
我们对着这些东西按下发布键的时候,或许还没真正搞清楚——自己造出来的,到底是什么。
参考资料:
https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/
https://x.com/alexandr_wang/status/2075218936266998230
https://x.com/finkd/status/2075218444056707458
https://x.com/ValsAI/status/2075230620469338210
https://www.vals.ai/models/meta_muse-spark-1.1
本文来自微信公众号“新智元”,作者:ASI启示录,编辑:所罗门 Aeneas
