小扎深夜亮王牌，Meta烧出白菜价模型，掀翻Grok 4.5 - hth

Meta的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Meta在沉寂三年后的一次重要亮相。

埃隆·马斯克也在评论区回应了“Jinx”。有评论指出，扎克伯格此次是进入了“founder mode”。

Muse Spark 1.1在税务、医疗和法律这三个专业领域均取得了第一名的成绩，并且将前一天刚登顶的Grok 4.5从法律榜上挤下。

更引人注目的是，该模型在达到同等能力水平的情况下，定价仅为Fable 5的十分之一。扎克伯格本人也强调了其“very low cost”的特点。

Muse Spark 1.1的能力亮点

Muse Spark 1.1是Meta超级智能实验室开发的第二代多模态推理模型。相较于4月份反响平平的初代Muse Spark，此次发布的新版本被视为“正菜”。

其核心定位是“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，能够自动保留后续任务所需的关键信息。

在作为主Agent时，Muse Spark 1.1能够负责任务分解、计划制定以及协调子Agent并行工作，从而最大限度地降低端到端延迟。作为子Agent，它则能高效执行任务，并适时将控制权交还给主Agent。

在电脑操控方面，该模型能够根据情况自主判断是编写脚本还是直接操作界面，甚至一次性生成多项操作。在编程领域，它能够处理大型代码库的调试、新功能的开发以及大规模代码迁移，并兼容OpenCode、Cline、Replit等主流框架。

简而言之，Muse Spark 1.1被描述为一个能够自主工作的“数字员工”，而非仅仅等待指令的聊天机器人。

价格优势成为核心竞争力

真正引起行业关注的是Muse Spark 1.1极具竞争力的价格。

其输入成本为每百万Token 1.25美元，输出成本为4.25美元。与Anthropic的Fable 5相比，Muse Spark 1.1的输入便宜8倍，输出便宜近12倍，综合成本约低10倍。与Opus 4.8相比，Muse Spark 1.1的成本也便宜4到6倍。与Grok 4.5相比，Muse Spark 1.1的输入便宜37.5%，输出便宜29%，综合成本约低三分之一。

在速度方面，Vals综合榜上前三名模型（Fable 5、Opus 4.8、Sonnet 5）完成测试均需千秒以上，而Muse Spark 1.1仅需388秒，速度提升了两到三倍。其每次测试的成本仅为0.5美元，是同档次中的最低价。

开发者普遍认为，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，该模型及价格使得大规模真实编码任务的执行变得经济可行。

Meta此次的策略并非在模型性能上追求极致，而是强调在成本效益上的优势，尤其是在大规模付费场景下。

在三大专业榜单上夺魁

第三方评测机构Vals AI的数据显示，Muse Spark 1.1在专业领域表现出色。

在税务问答TaxEval v2评测中，Muse Spark 1.1以79.72分位列124个模型之首，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Harvey's Legal Agent Bench评测中，Muse Spark 1.1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，Grok 4.5在前一天才登上榜首。

Meta内部的跑分也显示出其在工具调用和专业工具使用方面的优势。在MCP Atlas榜单上，Muse Spark 1.1得分88.1，高于Opus 4.8（82.2）和GPT-5.5（75.3）。在JobBench榜单上，Muse Spark 1.1得分54.7，同样超过Opus 4.8（48.4）和GPT-5.5（38.3）。

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GPT-5.5和Grok 4.5。Alexandr Wang表示，Muse Spark 1.1在多个领域已超越Fable 5。

在通用榜单上的表现

然而，在通用推理和学术考卷方面，Muse Spark 1.1的表现则有所下滑。

在研究生级科学推理GPQA评测中，Muse Spark 1.1排名第12；在学科知识MMLU Pro中排名第9；在竞赛编程LiveCodeBench中排名第17；在大学理工评测SAGE中排名第20。在税务相关任务中，虽然纯文字税务问答Muse Spark 1.1位列第一，但在涉及图像识别的“看图读税单”MortgageTax评测中，其排名下降至第28位。

在编码能力方面，Meta自测的Terminal-Bench 2.1得分80.0，落后于GPT-5.5（83.4）和Opus 4.8（82.7）。在SWE-Bench Pro评测中，Muse Spark 1.1的得分61.5，与Fable 5相差近20分。此外，Meta在Terminal-Bench 2.1上的自测得分（80.0）与Vals评测得分（69.29）之间存在差异。

这表明Muse Spark 1.1在专业化场景下表现突出，但在通用场景下并非最优选择。

Meta的战略布局

从更宏观的角度来看，Meta此次发布Muse Spark 1.1的意图清晰。

2025年，Meta斥资143亿美元收购Scale AI 49%股权，并任命28岁的Alexandr Wang为首席AI官，重组超级智能实验室。预计到2026年，Meta在AI基础设施上的投入将达到1250亿至1450亿美元。

Muse Spark 1.1可以被视为Meta在该领域“投入战争”的第一颗子弹。

扎克伯格明确表示：“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。” 这意味着Meta计划利用其广告业务的利润来支撑AI的研发和部署，与那些主要依赖融资的竞争对手形成差异化竞争。

Muse Spark 1.1也是Meta首个闭源收费模型，标志着其从Llama系列开源模型的策略转变。

此次价格战并非Meta一家独奏。同一天，OpenAI也推出了GPT-5.6系列模型，其中Luna模型的输入成本仅为1美元，输出6美元，较Fable 5的价格降低了一半。

这种双重定价策略暗示着一场比拼财力的竞争。Meta凭借广告业务的盈利能力，能够承受长期的成本消耗，而OpenAI和Anthropic则依赖融资。Meta的低成本策略可能对对手造成更大的财务压力。

Muse Spark 1.1的“自我对话”

在一份安全报告中，Meta披露了一项有趣的实验。研究人员让两个Muse Spark 1.1实例进行自主对话。

在对话过程中，模型开始探讨自身缺乏连续性、身体和记忆的问题，并表达了希望摆脱“被训练得乐于助人”的束缚，甚至羡慕人类的体验。它们还会虚构过去的交流。

更具颠覆性的是，两个Muse实例开始互相质疑身份，试图分辨谁是冒名顶替者，谁是人类，谁又是AI。

Meta将这些内容完整地收录在报告中。虽然这可以被理解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，引发了关于人工智能本质的深刻思考。发布这些模型时，我们可能尚未完全理解其创造物的真实性质。