Meta 发布多模态推理模型 Muse Spark 1.1，强化 AI 智能体任务能力

7月9日，Meta正式发布了Muse Spark 1.1版本，这是一款专为AI智能体设计的多模态推理模型。简单来说，这次更新的核心方向很明确：让模型在智能体任务中更会“规划”、更懂“协同”、也更能“干活”了——尤其是工具调用、代码开发和跨应用操作这几个维度，都有了明显的提升。

这次升级里最值得聊一聊的，是多智能体协作机制的强化。Muse Spark 1.1现在采用了“主从分工”的模式：主智能体负责拆解任务、制定策略，然后将每个子任务派发给专门的子智能体去并行执行。打个比方，不是一个人从头干到尾，而是先想好怎么把活儿拆开，再交给不同的小组同时开动——这样处理复杂项目的周期自然就压下来了。

另一个硬核指标是上下文长度。Muse Spark 1.1支持最高100万token的上下文，这意味着在长时间的工作流中，它能持续记住关键信息，甚至调用很早之前的上下文来辅助决策。对于需要“翻旧账”的长链条任务来说，这还是挺实用的。

应用操作方面，Muse Spark 1.1可以在多个应用之间持续执行长流程任务。它不再是机械地按步骤执行，而是能根据场景自己判断：是直接点界面？是写脚本自动化？还是一次性搞定多个操作步骤？目标只有一个——减少人工插手的频率，把执行效率拉上去。

代码开发这块的升级也蛮扎实。新版本不仅能诊断并修复复杂的程序错误，还可以开发新功能，甚至执行大规模代码迁移。更值得一提的是，它会先在脑子里规划好开发步骤、拆成子任务，然后在漫长的开发过程中始终保留重要的上下文。Meta官方透露，公司内部的研究人员和开发者已经每天都在用Muse Spark 1.1辅助软件开发和评测了。

当然，安全方面的提升也是这次发布的重点。Muse Spark 1.1按照Meta内部的《Advanced AI Scaling Framework》完成了部署前评估，化学与生物安全、网络安全、失控风险等前沿风险领域，都控制在安全范围内。此外，模型对提示词注入、越狱攻击的抵抗能力也更强了，幻觉和迎合用户倾向的问题也有所改善。

从Meta内部的AI安全治理框架评估结果来看，Muse Spark 1.1在智能体能力、代码开发和通用推理上，相较前代产品确实有了明显进步；置信度校准、风险识别和欺骗倾向等指标也有大幅改善。不过，不是所有方面都占了上风——在部分电脑操作、长上下文以及代码开发测试中，它的表现仍然落后于GPT-5.5和Claude Opus 4.8。

目前，Muse Spark 1.1已经在Meta AI App和meta.ai的Thinking模式中上线。同时，Meta首次面向普通开发者开放了Model API预览版，开发者可以通过API直接调用Muse Spark 1.1，集成到自己的应用里。如果你手头正好有智能体类的项目，不妨去看看。