网易首页 > 网易号 > 正文 申请入驻

Meta新王牌模型爆冲性价比!小扎时隔三年重返X,马斯克火速隔空点评

0
分享至


智东西
编译 茄子
编辑 程茜

智东西7月10日消息,昨晚,Meta超级智能实验室发布其迄今最强多模态推理模型Muse Spark 1.1。该模型专为Agent任务打造,重点提升了工具调用、电脑操作、编程以及多模态理解能力,能够围绕用户目标规划任务并调用外部工具完成复杂工作流。


▲Meta发布Muse Spark 1.1(图源:X)

同日,Meta正式推出新Meta模型的API公开预览版,开发者可以通过API调用Muse Spark 1.1。这也是Meta首次向开发者推出付费版本。目前该模型已在Meta AI移动端App、官网meta.ai上线,用户可在思考模式下使用该模型。

Muse Spark 1.1支持100万Token上下文窗口,且该模型输入价格为每百万Token 1.25美元(约合人民币8.49元),输出价格为每百万Token 4.25美元(约合人民币28.86元),低于当前多款主流闭源模型。


▲大模型价格对比(智东西制表)

Meta创始人兼CEO马克·扎克伯格(Mark Zuckerberg)也在X上发文宣传该模型,这是扎克伯格3年来首次在X上发文。有网友戏称,竟然不知道扎克伯格还有X账号。


▲扎克伯格发文宣传Muse Spark 1.1与网友评论(图源:X)

马斯克也来凑热闹,在扎克伯格的评论区留下了“Jinx”。


▲马斯克的评论(图源:X)

相比传统大模型主要用于回答问题和生成内容,Muse Spark 1.1进一步强化了AI执行任务的能力。Meta称,该模型可以协调多个Agent共同完成任务,管理100万token上下文窗口,并在长期任务中保持此前操作记录和关键信息。

除了Agent能力外,在编程方面,Meta称,Muse Spark 1.1在复杂编程任务中实现明显提升,可完成大型代码库理解、Bug修复和功能开发,并支持Agent编程中的规划、协作与上下文管理。


▲Muse Spark 1.1在编程能力方面较Muse Spark有很大提升(图源:Meta)

同时,Meta称,通过此次升级,Muse Spark 1.1进一步提升了模型性能与效率。结合前天发布的图像模型Muse Image,Meta认为两款模型正推动其“个人超级智能”愿景落地,即让AI模型能够帮助用户实现目标、创造内容、增强社交连接,并围绕用户关注的事情主动采取行动。

超级智能实验室负责Alexandr Wang发文称,Muse Spark 1.1在多项智能体评估中,可与GPT-5.5和Opus-4.8相媲美。


▲Alexandr Wang发文(图源:X)

一、Agent能力全面升级,Muse Spark 1.1可规划任务并完成复杂工作流

Meta称,Muse Spark 1.1是一款面向Agent场景设计的多模态推理模型,重点优化了任务规划、工具调用、复杂工作流执行以及多模态理解能力。相比传统聊天模型只能根据指令生成回答,Muse Spark 1.1能够围绕用户目标拆解任务,制定执行计划,并调用外部工具完成连续操作。

在Agent协作场景中,Muse Spark 1.1既可以作为主Agent负责收集信息、制定计划,并将任务分配给多个子Agent,也可以作为子Agent执行具体工作。Meta称,该模型能够零样本适配新的原生工具、MCP服务器以及自定义技能,无需针对每个工具重新训练。

此外,Muse Spark 1.1支持管理100万token上下文窗口,能够记录此前执行过的操作,从更早任务阶段检索信息,并通过上下文压缩保留后续工作所需的重要内容。

在Computer Use场景中,该模型可以跨多个应用执行连续任务,并根据需求选择直接操作界面或生成自动化脚本。

在实际应用中,由于新的情境会不断出现,任务也会随之发生改变,而Muse Spark 1.1则可以根据情境的变化自行更行任务要求。比如,Muse Spark 1.1在处理晚宴订单时能够感知到这些变化,并在无需用户干预的情况下进行必要的更新。


▲Muse Spark 1.1处理任务时可根据场景变化自行更新任务要求(图源:Meta)

除了任务执行能力,Muse Spark 1.1也强化了Agent编程能力。Meta称,该模型能够处理大型复杂代码库,完成Bug诊断与修复、新功能开发以及代码迁移等任务,并支持规划模式、目标控制、子Agent调用和上下文压缩等Agent编程能力。

在编程测试平台OpenCode测试中,Muse Spark 1.1能够创建聊天网页应用,通过自动截图发现界面问题,定位相关代码并完成修复验证。


▲Muse Spark 1.1处理任务时可根据场景变化自行更新任务要求(图源:Meta)

与此同时,Muse Spark 1.1进一步增强视觉、音频理解和多模态工具调用能力。Meta称,该模型能够结合视觉和音频信息,在长流程任务中保留关键细节,并利用这些信息帮助用户完成现实环境中的操作。

比如,在Facebook二手交易市场上,Muse Spark 1.1可以根据用户拍摄的视频提取商品信息,分析商品内容,并代表用户完成商品发布。


▲Muse Spark 1.1可根据用户拍摄的视频提取信息并完成商品发布任务(图源:Meta)

二、多模态图像功能强大,但存在稳定性问题

Muse Spark1.1上线后,不少网友对它进行了实测。

开源开发者与技术博主Simon Willison拿到几天预览权限,他对Muse Spark进行了经典的鹈鹕骑自行车SVG测试。比起测试,他认为,Muse Spark 1.1的评估报告中让两个Muse Spark 1.1模型进行对话,而模型谈及关于自身存在的话题非常有趣。


▲Simon Willison对Muse Spark 1.1的测试(图源:Simon Willison’s Blog)

AI数据和代码工作平台Julius AI创始人rahul在Julius代码工作台里,调用了Meta的Muse Spark 1.1大模型,直接让AI写出、运行整套《我的世界》游戏工程。


▲rahul对Muse Spark 1.1的测试(图源:X)

还有用户对Muse Spark1.1的图像识别功能进行了测试,他让该模型识别图中的食物能不能食用,Muse Spark1.1回答不能食用,通过了测试,该用户还提到,在同样的测试中,Claude Fable 5没有通过。


▲用户对Muse Spark1.1的图像识别功能的测试(图源;X)

也有用户对Muse Spark1.1的能力提出了质疑,他称,搭载Muse Spark 1.1大模型的Meta AI iPad客户端稳定性极差,运行时频繁闪退、输出文本乱码断裂,认为新版本模型存在严重稳定性bug。


▲用户对Muse Spark1.1的不稳定性的吐槽(图源;X)

还有用户吐槽Meta AI连一个普通的Excel表格都做不好。


▲用户对Meta AI的生成表格功能的质疑(图源;X)

三、Muse Spark 1.1多项Agent任务超越GPT-5.5和Claude Opus 4.8

为验证Muse Spark 1.1的综合能力,Meta公布了内部Benchmark测试结果,同时该模型也进入Vals AI等第三方评测榜单。测试显示,Muse Spark 1.1的优势主要集中在Agent任务执行、工具调用、软件工程以及多模态理解等方向。

在Meta内部测试中,Muse Spark 1.1在MCP Atlas工具调用测试中获得88.1分,排名第一,高于Claude Opus 4.8(max)的82.2分和GPT-5.5(xhigh)的75.3分;在JobBench职业场景工具使用测试中获得54.7分,同样排名第一。


▲Muse Spark 1.1多项基准测试评分(图源:Meta)

在计算机操作和软件工程任务中,Muse Spark 1.1在OSWorld-Verified计算机操作测试中获得80.8分,仅次于Claude Opus 4.8的83.4分;在Terminal-Bench 2.1终端编程测试中获得80分,在SWE-Bench Pro软件工程测试中获得61.5分。

此外,在Meta Internal Coding Bench内部代码测试中,Muse Spark 1.1获得68.3分,高于上一代Muse Spark的58.8分。

第三方评测方面,大模型测试平台Vals AI数据显示,Muse Spark 1.1在Vals Index综合测试中排名第4,准确率达到68.41%;在Vals Multimodal Index多模态测试中排名第6,准确率达到66.74%。


▲Muse Spark 1.1在Vals AI多项测试中的评分(图源:Meta)

具体任务测试中,Muse Spark 1.1在Finance Agent v2金融Agent测试中排名第2,在CorpFin v2企业金融分析测试中排名第2,在MedScribe医疗记录处理测试中排名第1;代码能力方面,该模型在Vibe Code Bench v1.1代码生成测试中排名第5,在SWE-bench软件工程测试中排名第7。

在法律智能体、税务、医疗文书三大垂直行业专业测试里,Meta最新模型 Muse Spark 1.1全部拿到第一名,尤其法律智能体任务拉开极大差距;Anthropic、OpenAI、Grok系列模型在行业专业实操能力上整体弱于Muse Spark 1.1。


▲Muse Spark 1.1在Vals AI关于法律、金融、医疗方面测试均为第一(图源:Meta)

结语:Agent竞争进入执行能力阶段,模型商业化仍需解决成本问题

随着OpenAI、谷歌、Anthropic等公司持续推进Agent方向,大模型竞争正在从文本生成、知识问答能力,转向任务规划、工具调用以及复杂工作流执行能力。

过去,模型能力更多通过参数规模、推理性能和生成质量衡量;而在Agent场景中,模型不仅需要理解用户需求,还需要调用工具、管理上下文并完成连续任务。因此,如何提升模型在真实环境中的执行效率,正在成为下一阶段竞争重点。

与此同时,随着Agent应用逐渐从个人助手走向企业生产场景,模型成本也成为规模化部署的重要因素。更低的推理成本、更开放的调用方式以及更稳定的任务执行能力,将影响AI Agent能否真正进入更多实际业务流程。

来源:Meta、X


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
警告:每天吃一个红薯,就等于给结直肠癌"踩刹车"?真相来了

警告:每天吃一个红薯,就等于给结直肠癌"踩刹车"?真相来了

徐医生健康讲坛
2026-11-21 15:30:49
首次到访深圳,马斯克:特斯拉会继续在中国提高产量,我是中国的超级粉丝,中国有太多宏伟壮观的建筑与自然景观

首次到访深圳,马斯克:特斯拉会继续在中国提高产量,我是中国的超级粉丝,中国有太多宏伟壮观的建筑与自然景观

极目新闻
2026-11-19 12:31:20
中国宝武集团科级干部年薪大约有多少?

中国宝武集团科级干部年薪大约有多少?

网观天下
2026-11-20 07:32:39
董路质疑浮嶋敏:我不敢说我知道怎么打,但我知道这么打肯定不行

董路质疑浮嶋敏:我不敢说我知道怎么打,但我知道这么打肯定不行

风过乡
2026-11-21 06:50:01
外交部:日方应在台湾问题上尽快纠正错误言行

外交部:日方应在台湾问题上尽快纠正错误言行

澎湃新闻
2026-11-20 16:40:56
这则宣扬“几乎不休息”的新闻,上热搜了

这则宣扬“几乎不休息”的新闻,上热搜了

吴女士
2026-11-20 14:03:42
“深圳水”圆满护航APEC会议

“深圳水”圆满护航APEC会议

白浅娱乐聊
2026-11-21 03:54:14
印度网民的狂欢美梦:印度将先于中国2年成为发达国家

印度网民的狂欢美梦:印度将先于中国2年成为发达国家

世界地缘档案
2026-11-21 12:53:37
“这才是真躺平!"34岁男子在自家小区当保安,房贷还有9年,每月还2100,月薪4200,下楼就能上班,网友:活明白了

“这才是真躺平!"34岁男子在自家小区当保安,房贷还有9年,每月还2100,月薪4200,下楼就能上班,网友:活明白了

犀利辣椒
2026-10-01 06:22:23
林依轮妻子补旧鞋,香奈儿鞋头上贴满钻,富人表演节俭网友不买账

林依轮妻子补旧鞋,香奈儿鞋头上贴满钻,富人表演节俭网友不买账

铁锤妹妹是只猫
2026-11-19 09:36:26
李国旭心中的球场大师走了,大连五外援走了仨!引进奥斯卡+大器保六争五吧

李国旭心中的球场大师走了,大连五外援走了仨!引进奥斯卡+大器保六争五吧

刀锋体育
2026-11-21 09:16:39
9比1之后又0比2,科莫主场迎卡利亚里

9比1之后又0比2,科莫主场迎卡利亚里

林间小温柔
2026-11-21 17:25:30
深圳APEC晚宴的主桌座次,很有深意

深圳APEC晚宴的主桌座次,很有深意

煮酒杂谈
2026-11-20 20:40:05
河北富商相亲发现小23岁对象酷似亡妻,DNA检测后傻眼:怎么可能

河北富商相亲发现小23岁对象酷似亡妻,DNA检测后傻眼:怎么可能

罪案洞察者
2025-07-09 11:51:52
花坛藏尸案凶手上诉!咬死不认拿财索命,家属心愿落空,细节炸裂

花坛藏尸案凶手上诉!咬死不认拿财索命,家属心愿落空,细节炸裂

莹莹的历史说
2026-11-21 12:22:13
1、日本发动机,寿命约55万公里;2、德国发动机,寿命约35万公里;

1、日本发动机,寿命约55万公里;2、德国发动机,寿命约35万公里;

回京历史梦
2026-10-21 09:44:43
2400万降到400万,胖东来原房东租金一降再降,奈何始终没人接盘

2400万降到400万,胖东来原房东租金一降再降,奈何始终没人接盘

琴琴有氧运动
2026-11-19 17:19:36
割安全绳再迎噩耗!幕后黑手揪出,警方消防全介入,麻烦才刚开始

割安全绳再迎噩耗!幕后黑手揪出,警方消防全介入,麻烦才刚开始

李橑在北漂
2026-11-21 02:44:32
NBA明天11月22日赛程:尼克斯VS开拓者,CCTV5直播凯尔特人VS国王

NBA明天11月22日赛程:尼克斯VS开拓者,CCTV5直播凯尔特人VS国王

薇说体育
2026-11-21 17:08:14
散步半小时是错的?医生提醒:年过70岁,散步尽量做到这8点

散步半小时是错的?医生提醒:年过70岁,散步尽量做到这8点

路医生健康科普
2026-11-21 16:40:03
2026-11-21 17:43:00
智东西 incentive-icons
智东西
智东西,AI产业新媒体,专注报道人工智能的前沿技术发展,和技术应用带来的千行百业产业变革。
12992文章数 117196关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

艺术
房产
家居
健康
手机

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

家居要闻

2026建博会(广州) 公装联探展交流活动

医生眼里"很伤腰"的椅子,很多人天天坐

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

无障碍浏览 进入关怀版