前沿热点
前沿热点

Meta Muse Spark 1.1:扎克伯格重返 X,1M 上下文 agentic 模型与 Meta 首个付费 API

2026 年 7 月 9 日扎克伯格时隔三年重返 X 发布 Muse Spark 1.1,1M 上下文 agentic 模型,$1.25/$4.25 定价,配 Meta 首个付费 API。agentic 工具使用跑分领先(MCP Atlas 88.1/JobBench 54.7),但独立智能指数仅 51、coding 与长程 GDPval-AA v2 落后;发布半月后 Opus 5/GPT-5.6 上场使其位置被动,真正卖点是极低单价下的 token 效率(每任务约 $0.26)。

发布于 2026年7月31日7 分钟阅读
<!-- muse-spark-1-1-hotspot | hotspot | Meta Muse Spark 1.1:扎克伯格重返 X,1M 上下文 agentic 模型与 Meta 首个付费 API -->

2026 年 7 月 9 日,Meta CEO 马克·扎克伯格时隔三年重返 X(原 Twitter)发帖,宣布发布 Muse Spark 1.1——这是 Meta 超级智能实验室(Superintelligence Labs)挂牌后的首个重大模型,也是 4 月原版 Muse Spark 的升级版。同一天上线的还有 Meta Model API,这是 Meta 有史以来第一个面向开发者的付费商业 API,意味着多年来"免费送 Llama"的路线正式转向。扎克伯格给它的定位是"a strong agentic and coding model at a very low price"(一个低价、强 agentic 和编程能力的模型):1M token 上下文窗口,定价 $1.25/$4.25(每百万输入/输出 token)。但发布两周后 Anthropic 的 Opus 5(7 月 24 日)和 GPT-5.6 相继上场,它的竞争位置被动了。下面拆开看。

一、发布事实与规格

发布本身有两条信号。第一,扎克伯格上一次发 X 是 2023 年 7 月(平台改名 X 前后),这次隔了整整三年回来,只为发这一个模型,说明 Meta 把它当作战略级发布。第二,Muse Spark 1.1 出自 Meta 超级智能实验室,是该实验室成立后的第一个成果,前身是 4 月的原版 Muse Spark,1.1 是大版本升级。TechCrunch 的评价很直白:Meta 在这条线上"略落后于对手",因为 Anthropic 和 OpenAI 早就有同类 agentic 模型,但这不代表 Meta 入场没有威胁。

规格上,Muse Spark 1.1 是多模态推理模型,主打 agentic 任务——即让模型自己规划、调用工具、操作界面、跨应用把一件事做完。核心参数:1M token 上下文窗口,且能主动管理自己的内存(把早期工作压缩、保留后面需要的步骤);支持 computer use(桌面、移动、浏览器三类界面);能作为"主 agent"收集上下文、制定计划,再把执行委托给并行运行的子 agent。定价 $1.25/$4.25(每百万输入/输出 token),低于基本所有前沿对手;新账号送 $20 免费额度;API 兼容 OpenAI 格式,迁移成本低。它在 Meta AI app 和 meta.ai 以"Thinking"模式运行,普通用户也能用上。截至 2026-07-31,公开预览仅限美国开发者,格局仍在实时变动。

二、Agentic 能力与跑分:强项与短板

agentic 是这次真正的卖点,但跑分要分清口径。Meta 自己发布的对比表里,Muse Spark 1.1 在多个 agentic 评测上领先:MCP Atlas(缩放工具使用,覆盖 36 个 MCP 服务器、220 个工具)88.1,高于 Opus 4.8 的 82.2、Gemini 3.1 Pro 的 78.2、GPT-5.5 的 75.3;JobBench(专业工具使用)54.7,高于 Opus 4.8 的 48.4、GPT-5.5 的 38.3;Finance Agent v2 拿 57.2,也高于 Opus 4.8 和 GPT-5.5;Humanity's Last Exam(带工具)62.1,高于 Opus 4.8 的 57.9。这些数字是 Meta 设计并自报的对比,多家第三方都注明"独立复刻当时不可得",读的时候要打折。

独立口径更值得看。Artificial Analysis 给 Muse Spark 1.1 的智能指数是 51,比原版 Muse Spark 1.0 的 43 涨了 8 分(三个月内),增长集中在科学推理、编程和知识。但这个 51 和领先梯队差距明显:Claude Fable 5 是 60、GPT-5.6 Sol 是 59、Claude Opus 4.8 是 56,都在 56-60 区间,Muse 落后约 5-9 分;它实际是与 GLM-5.2、GPT-5.4、GPT-5.6 Luna 在 51 这档"实质并列"。更关键的是 Artificial Analysis 点明的一句:agentic knowledge work 虽然大幅进步,但"在 GDPval-AA v2 上仍落后前沿"——GDPval-AA v2 这个长程 agentic 知识工作评测,Muse 约 1380 Elo,落后 Opus 4.8 的 1600 和 GPT-5.5 的 1494。

编程这条线也不算它的强项。Terminal-Bench 2.1(终端编程)80.0,落后 Opus 4.8 的 82.7 和 GPT-5.5 的 83.4;SWE-Bench Pro(软件工程)61.5,落后 Opus 4.8 的 69.2,但领先 GPT-5.5 的 58.6。一句话总结:它强在"跨工具编排和短程专业工具调用",弱在"长程 agentic 知识工作和纯编程"。榜单截至 2026-07-31 实时变动。

三、竞争位置:发布半月后的新格局

判断 Muse Spark 1.1 的位置,得看它发布时对标谁、以及发布后谁上场了。7 月 9 日发布时,Meta 明确把它对标 GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro——当时的前沿。扎克伯格在 X 上称它超越 Gemini 3.1 Pro,并在某些领域击败 Anthropic 和 OpenAI 的模型。在 Meta 自报的 agentic 工具使用榜上,它确实排在 Opus 4.8 和 GPT-5.5 前面。

但半个月后格局变了。7 月 24 日 Anthropic 发 Opus 5,智能指数 61、Agent 指数 55.3,双榜登顶;GPT-5.6 Sol 也到 59。截至 2026-07-31,Muse Spark 1.1 的智能指数 51 已落后领先梯队约 9-10 分。换句话说,它发布时够着了 7 月初的前沿,但没够着 7 月底的新前沿。

它的真正卖点不在智能顶峰,而在"极低价格下的 token 效率"。Artificial Analysis 给了一组数:跑完整个智能指数,Muse Spark 1.1 用了 94M output token,少于 GPT-5.4 的 109M、GPT-5.6 Luna 的 125M、GLM-5.2 的 141M;按 $1.25/$4.25 算,每智能指数任务约 $0.26,低于 GLM-5.2 的 $0.37,约为 GPT-5.4 的 $0.89 的三分之一。它是"实质并列 51 分那档里最省 token、也最便宜"的一个。这是 Meta 这次发牌的真正杀伤力——不是靠跑分登顶,是靠把前沿 agentic 能力的单价压到地板。

四、对开发者与普通人的实际影响

对开发者,Muse Spark 1.1 的意义首先是 Meta Model API 这个"首个付费开发者产品"本身。多年免费送 Llama 的路线结束了,Meta 正式进场卖 API,而且 OpenAI 兼容格式意味着迁移成本很低,$20 免费额度可以先试。要不要切上去,看你手里的活:如果是跨大量 MCP 工具的编排、短程专业工具调用、需要主 agent 调度并行子 agent,它的 MCP Atlas 和 JobBench 数字是实打实的强项,值得一试;如果是纯代码维护(SWE-Bench Pro 那类)或长程 agentic 知识工作(GDPval-AA v2),Opus 4.8 / Opus 5 和 GPT-5.5 / GPT-5.6 仍更稳。关键是别被 Meta 自报表带跑,要在自己的工作负载上比"每完成一个任务的成本"——这是它唯一真正领先对手的维度。

对普通人,Muse Spark 1.1 已进 Meta AI app 和 meta.ai 的"Thinking"模式,消费端直接能用。这背后是 Meta 的一贯打法:把前沿 agentic 能力塞进大众产品,靠规模摊薄成本。普通人不需要纠结智能指数 51 vs 61 的差距,日常问答、写作哪个便宜模型都够;Muse 的价值在"要它自己跨好几个应用、调好几个工具把一件事做完"的那种活。

一个新模型、扎克伯格三年后重返 X、Meta 首个付费 API,三件事叠在一起听着像大事件,但落地只看一件事:你那个最需要"跨工具跑长流程"的活,它的单价和 token 效率,能不能比现在用的模型更低、出错率可接受。能,这次切换就值;不能,就等它把 GDPval-AA v2 和编程短板补上再回头看。榜单和价格都在实时变动,别把今天的 51 和 $0.26 当成定论。


参考来源

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-07-31

相关文章

前沿热点

42B 激活、816B 的账:为何两台 Mac 才跑得动

Meta Superintelligence Labs 于 2026-10-15 发布 Muse Spark Open 开放权重模型:总参数 816B、每 token 激活约 42B 的稀疏 MoE,原生接受文本、图像、视频、音频输入,上下文 1M token,与 Muse Spark 1.3 共享同一 base model,以 Muse Model License 发布(官方表述为 limited commercial terms, which allow many developers to use the model for free,具体条款以 LICENSE 原文为准,本文不解释条款细节)。本文的重点不是又开放了一个大模型,而是那笔最容易被省略的账:42B 激活降低的是每 token 计算量,不是显存门槛——完整 checkpoint 仍须全部驻留,再叠加 KV cache、激活值与运行时开销;按字节数粗算(本站推算,非官方数据)BF16 约 1.6TB、FP8 约 816GB、4 比特约 408GB。这也是官方桌面方案为何是两台 Apple M5 Ultra Mac Studio 的原因:单机统一内存上限 512GB、两台合计约 1TB,内存带宽 1.2TB/s,走最新版 Apple MLX,官方描述为两台机器表现得像一台拥有万亿字节统一内存的超级计算机。生态侧首日支持 7 个推理运行时(SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp、Unsloth),验证于 NVIDIA、AMD、Intel、Apple silicon;四条量化分支(Meta 的 BF16 与 NVFP4、AMD 的 FP8 与 MXFP4、为 Intel Crescent Island 优化的 INT4 与 MXFP4、Unsloth 的 GGUF);投机解码 draft 用 SGLang 的 DFlash V2 与 vLLM 的 DSpark;PyTorch 原生 Helion 内核在 SGLang 中提供 auto-tunable kernel,官方口径 kernel 级 1.03 到 3.95 倍加速,AMD MI350 端到端 3%(厂商自测)。安全上相比 8 月的 Muse Spark 追加了安全后训练,按 Meta Superintelligence Scaling Framework 评估达发布阈值,完整评估报告官方称即将发布。三处必须写明的信息缺口:官方未公布桌面演示所用精度、实际内存占用与可用上下文长度;未给跨机互联的带宽与延迟;未给 tokens/s。据 dev.to 转述 Meta 官方对比图(二手,非独立复测),它在六项对比中第一,含 tool use 方向的 JobBench 与 MCP-Atlas,但在终端编程与长程软件工程的 GDPVal-AA 上落后于 Kimi K3 与 GLM 5.3。与站内 2026-07-31《Meta Muse Spark 1.1》的分工:那篇讲闭源 1.1 与 Meta 首个付费 API,本文讲开放权重版与本地跑法,两篇不重复。

2026年10月17日9 分钟阅读
前沿热点

Kimi K2.8 Preview 上线:抢编码 Agent 的日常入口

2026-09-14 月之暗面推出新一代主力模型 Kimi K2.8 Preview,在 Kimi Code 与 Kimi Work 全量上线:官方称综合性能接近旗舰 K3,编码与 Agent 能力较 K2.7 Code 全面提升,思考效率显著改善;支持 low/high/max 三档思考强度(与 K3 对齐,默认 max,CLI 用 /effort 切换)与图片、视频双模态输入;1M 超长上下文向全部会员档位开放、含免费档 Adagio;Model ID 仍为 kimi-for-coding,Claude Code、OpenCode、Codex 等第三方工具零改配置即可无感升级,追求速度的 Allegretto 及以上会员可换 kimi-for-coding-highspeed;请求路由上,K3 关闭 thinking 后会自动转交 K2.8 无思考版本。计费随订阅会员(0 到 699 元每月),不按 token 计费;月之暗面 ARR 从 2026 年 6 月的 3 亿美元增至 8 月破 10 亿美元。本文不做发布会复述,核心判断是这套组合拳的意图在抢编码 Agent 的日常流量入口,把竞争维度从跑分换成单位任务成本与迁移摩擦;并点明三个待验证处:官方未公布任何 benchmark 跑分(流传的 SWE-bench Pro 63.2%、OSWorld-Verified 81.2% 实为 Claude Sonnet 5 数据,本文严格标注归属)、开放权重未公布、以及 K2.8 无专属 GitHub 代码仓(实测 moonshotai 组织 43 个仓库,最新模型仓止于 K3、K2.5、K2),故按站内纪律只做热点、不做开源项目介绍。

2026年9月15日9 分钟阅读
前沿热点

Gemini 3.8 Flash 发布:更聪明但单任务更贵

2026-09-02(美东)/ 9-3 国内,Google DeepMind 同发 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber,6 周内第 3 个 Flash 版本。3.8 Flash 定位"最聪明的 Flash 工作马":1M 上下文、64K 输出、三档思考、知识截止 2026-03;定价与 3.7 Flash 持平(输入 $0.75/输出 $3.75,优惠至 2026-12-31,之后 $1.50/$7.50)。基准:DeepSWE v1.1 73.7%(逼近 Opus 5 的 74.0%)、Terminal-Bench 2.1 89.4%(世界 #1)、HLE-Verified 54.9%;短板在 Terminal-Bench 4.0 仅 19.1%、OSWorld 2.0 59.0%。Flash Cyber 仅经 Fairwind Program 限可信防御方,无公开价【未确认】。关键反差:单价未涨,但 Artificial Analysis 实测单任务成本因"更努力"上涨约 40%($0.40→$0.58)。所有分数含官方口径与第三方实测,引用须标注。

2026年9月1日9 分钟阅读