小扎“消失”三年后发帖，只为它：Meta最强Agent模型进军编程

Meta最近又出手了——就在昨天，正式发布了Muse Spark 1.1，一款面向智能体编程（agentic coding）的多模态AI模型。这距离其首款AI模型发布才过去三个月，目标直指OpenAI和Anthropic的同类产品。

在AI负责人Alexandr Wang的带领下，Meta这次升级力道不小。Wang在接受采访时信心满满地表示，Muse Spark 1.1是“目前在智能体任务和编程领域能力最强的模型”。值得注意的是，这款产品的发布甚至让CEO Mark Zuckerberg时隔三年重新出现在X平台上发帖——上一次他在那里发言，还是2023年7月，当时Twitter刚改名X不久。

Zuckerberg在帖子里把Spark形容为“一款价格极低但能力强大的智能体和编程模型”，并特别强调它在“智能体性能、工具调用以及计算机操作”方面的表现。他还留了个悬念：“很快还会有更多内容发布”，暗示Meta的模型矩阵远不止于此。

三个月性能显著飞跃，“智能体任务表现超过竞争对手”

如果非要给这次升级找一个核心关键词，“智能体任务”应该是最贴切的。Meta向用户主打的卖点，就是Spark处理大规模智能体任务的能力——修复代码漏洞、协助大型代码迁移，这些企业级自动化需求正是当前市场上呼声最高的方向。作为一个多模态推理模型，Muse Spark 1.1在工具和计算机使用、编码以及多模态理解方面，确实拿出了看得见的提升。

Meta在博客中写道：“Muse Spark 1.1在个人智能体任务中展现出卓越性能，尤其适用于需要跨多个外部应用和服务进行规划与协调的场景。”在多应用计算机使用流程中，它通过长时间会话中保持上下文，并在每个步骤智能选择脚本、直接界面交互和批量操作之间切换，表现相当抢眼。更难得的是，它能在极少人为干预下导航陌生界面。Wang透露，在一些需要与各种第三方编程产品和服务交互的任务中，Muse Spark 1.1的表现已经超过了竞争对手的模型。

Wang领导的Meta超级智能实验室（Meta Superintelligence Labs，MSL）针对编程相关任务对Muse Spark 1.1进行了重点训练。逻辑很简单：编程能力是AI智能体整体能力的基石，只有打好这个基础，智能体才能像“一群人类实习生”那样自主执行多项任务。“你必须把编程能力作为整体智能体能力的一部分来构建。”Wang这样解释他们的策略。

Wang还分享了一个有趣的细节：他自己一直在“内部试用”最新版的Muse Spark，并对它作为个人健康提升工具的潜力感到兴奋。比如，模型可以帮助用户搜索网页、阅读学术论文，甚至访问个人健康数据。谈到这个实验时，Wang表示，“这是我认为真正体现智能体系统需求的一类应用场景。”

说起来，Muse Spark最初的内部代号是A vocado（牛油果），今年4月才发布了初代版本。Meta表示，首个于今年4月公布的Spark 1.1版本具备多步骤推理能力，可以处理复杂流程、管理数字化工作流，并在企业系统中部署新功能。相比初代，Muse Spark 1.1在复杂功能实现、端到端开发任务以及代码库搜索与理解方面，实现了显著的性能飞跃。

目前，Muse Spark 1.1已经被广泛应用于Meta自身的编码和研究工作流程，在内部编码基准测试中与领先模型直接竞争。Meta的研究人员通过在工作流程中利用Muse Spark 1.1，自动化模型开发和评估任务。在感知和多模态推理方面，它同样表现出色——能够检查视觉和音频输入，在漫长的工作流程中保留细节，并在真实执行环境中采取行动。特别是在视觉转代码生成、丰富的图像/视频字幕和智能计算机使用方面，它展现出了明显的优势。

进军AI编码市场，定价“非常激进且有吸引力”

坦白讲，在这个领域，Meta入场稍晚。Anthropic和OpenAI已经推出类似模型有一段时间了。但这并不意味着Meta的入局不会构成威胁。

AI行业持续存在的核心竞争点之一，就是模型的使用成本。而Meta这次显然想用价格优势来撬动市场。根据外媒报道，Meta对Spark的定价是：每百万输入Token 1.25美元，每百万输出Token 4.25美元。这个价格高于OpenAI的入门级模型GPT-5 mini以及Anthropic的低成本模型Claude Haiku 4.5，与GPT-5.6 Luna基本持平（略高一点），但低于Anthropic更高端的Claude Sonnet 4.6。

Wang表示，相比Anthropic和OpenAI等实验室提供的类似产品，Muse Spark此次更新后的定价“非常激进且具有吸引力”。每个新的API账户还会获得20美元的免费额度用于测试，之后才转为按使用量付费模式。“我们的目标是真正提供具有吸引力的价格，并且能够随着大规模使用需求增长而扩展。”

不仅如此，Wang还提到，Meta训练Muse Spark 1.1时，让它“能够很好地适配开发者目前使用的所有主流工具链”。在Meta看来，这是实现模型最大规模普及的最佳方式。

“如果Muse Spark 1.1在编程能力上确实能够与Claude和GPT竞争，那么Meta可能终于找到了一个更清晰的商业化路径，将AI模型转化为付费开发者工具。”Futurum Equities首席市场策略师Shay Boloor这样评价。

拟取代部分Llama模型，开源版正在开发中

最初，Muse Spark只向“部分合作伙伴”开放，用户只能通过“私有API预览”方式访问。现在，美国开发者已经可以通过Meta Model API公开预览访问Muse Spark，用于测试提示词、比较模型输出以及开发原型集成方案。Meta通过开发者门户开放了新版模型API的公开预览，用户可以注册并查看集成指南。一些早期合作伙伴已经能使用API，新用户则“可以加入等待名单，之后会逐步获得访问权限”。

新版模型目前已经在Meta AI应用和网站的“Thinking模式”中上线。更值得注意的是，Muse Spark预计还将取代目前驱动WhatsApp、Instagram、Facebook聊天机器人以及Meta智能眼镜系列产品的部分现有Llama模型。不过，Meta仍然将API访问范围限制在自家产品生态内，并未像热门的OpenRouter模型市场那样向第三方平台开放。“这项服务将运行在我们已经构建好的计算基础设施之上。”Wang表示。

值得一提的是，此前Meta的AI战略主要强调将Llama系列模型开源，而如今公司正在转向销售自主研发AI模型的访问权限。不过话说回来，Wang表示Meta仍然“致力于开源”，并透露其MSL团队正在开发一个“Muse Spark的变体版本”，未来计划开源——但他拒绝透露具体发布时间。

除了Muse Spark，Meta前不久还发布了一款新的AI图像生成模型Muse Image，原代号为“Mango”。这款模型的目标很明确：帮助Meta吸引创作者和广告主使用其AI产品。

据Wang最新透露，Meta目前正在训练一个更强大的AI模型，代号为Watermelon，已在关键基准上赶上OpenAI的GPT-5.5，但尚未公布发布时间。看来Meta的AI棋局，才刚刚拉开帷幕。

：

https://techcrunch.com/2026/07/09/meta-enters-the-crowded-ai-coding-battle-with-muse-spark-1-1/

https://www.reuters.com/business/meta-debuts-muse-spark-11-with-preview-open-developers-2026-07-09/