新智元报道
【导读】沉寂三年，小扎掀翻小扎深夜连发三推，深夜a烧官宣Meta首款收费模型 Muse Spark 1.1。亮王该模型在税务、出白菜医疗、模型法律三大垂直领域登顶，小扎掀翻且价格仅为竞品Fable 5的深夜a烧十分之一。Meta正式打响AI领域的亮王“价格战”。
Mark Zuckerberg 憋了三年，出白菜终于按捺不住。模型
7月9日深夜，小扎掀翻Zuckerberg 清理了他那落灰三年的深夜a烧 X 账号 @finkd，连发三条推文，亮王正式揭晓 Meta 最新模型 Muse Spark 1.1。出白菜
马斯克随即回复了一个“Jinx”（触霉头/说反话），模型评论区网友精准吐槽：老扎这是彻底进入了“创始人模式”（Founder Mode）。
Muse Spark 1.1 一登场，便在税务、医疗、法律三大专业榜单斩获第一，直接将前一天刚登顶的 Grok 4.5 从法律榜单上拉下马。
更令人震惊的是其定价策略：具备如此性能的模型，价格仅为 Anthropic 旗舰模型 Fable 5 的 1/10。
Zuckerberg 对此评价简洁有力：“非常低成本。”
核心亮点：从聊天机器人到“数字员工”
Muse Spark 1.1 是 Meta 超级智能实验室（SIL）推出的第二代多模态推理模型。相比4月发布、被 Alexandr Wang 称为“开胃菜”的初代 Muse Spark，三个月后的这一版本才是真正的主菜。
其核心定位只有一个字：Agent（智能体）。
具体技术突破如下：
- 智能上下文管理：拥有 100万 Token上下文窗口。当对话接近上限时，模型会自动进行“瘦身”，压缩并保留后续任务所需的关键步骤，无需人工干预。
- 主/子 Agent 协同：作为主 Agent，负责拆解任务、制定计划并调度子 Agent 并行工作，极大降低端到端延迟；作为子 Agent，则专注执行，并在适当时机将控制权交还主 Agent。
- 自适应电脑操控：不再机械地模拟点击，而是智能判断最优路径——编写脚本效率更高则写脚本，直接操作界面更简单则直接操作，甚至支持批量生成操作指令。
- 全栈编程能力：支持大型代码库调试、新功能开发及大规模迁移，完美适配 OpenCode、Cline、Replit 等主流开发框架。
总结而言：这不再是一个被动回答问题的聊天机器人，而是一个能自主执行任务的数字员工。
杀手锏：不是最强，而是最便宜
行业关注的焦点并非单纯的跑分，而是极具侵略性的价格标签。
定价对比：
- Muse Spark 1.1：输入 $1.25/百万 Token，输出 $4.25/百万 Token。
- Anthropic Fable 5：输入 $10/百万 Token，输出 $50/百万 Token。
- 结论：Muse 输入便宜 8倍，输出便宜 12倍，综合成本约为 Fable 5 的 1/10。
- OpenAI Opus 4.8：输入 $5/百万 Token，输出 $25/百万 Token。
- 结论：Muse 价格比 Opus 便宜 4-6倍。
- xAI Grok 4.5：输入 $2/百万 Token，输出 $6/百万 Token。
- 结论：Muse 输入便宜 37.5%，输出便宜 29%，综合成本比 Grok 低约 1/3。
速度优势同样显著：
在 Vals 综合榜单中，排在 Muse 前面的 Fable 5、Opus 4.8 和 Sonnet 5，单次测试耗时动辄 1000 秒起步，Opus 和 Sonnet 甚至接近 1300 秒。而 Muse Spark 1.1 仅需 388 秒，速度提升 2-3倍。单次测试成本低至 0.5 美元，为同档位最低。
开发者对此评价犀利：这不仅仅是一个模型，更是一个“便宜的 Agent 底座”。
Replit CEO Amjad Masad 称其为“完整的 Agent 底座”，Cline CEO 则表示，这种工具能力配合此价格，才真正让大规模真实编码任务变得经济可行。
Meta 的策略很明确：不比谁最聪明，只比谁最经得起按量付费的账单。
垂直领域屠榜：24小时内夺回王座
第三方评测机构 Vals AI 的数据极具说服力，其测试内容均为高价值的职业场景。
Muse Spark 1.1 在专业榜单的表现堪称“屠榜”：
- 税务问答 (TaxEval v2)：79.72分，在124个模型中排名第一。力压 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。
- 医疗文书 (MedScribe)：88.89分，在68个模型中排名第一。
- 法律 Agent (Harvey's Legal Agent Bench)：断层第一。Muse 得分 20.00，而此前登顶的 Grok 4.5 仅为 12.92，差距巨大。
这一胜利是在不到24小时内从 Grok 4.5 手中抢回的，SpaceX AI 的王座尚未坐热便已易主。
Meta 自家工具调用表现优异：
- MCP Atlas：88.1分（Opus 4.8 为 82.2，GPT-5.5 为 75.3）。
- JobBench：54.7分（Opus 4.8 为 48.4，GPT-5.5 仅为 38.3）。
在 Vals 综合指数中，Muse Spark 1.1 排名第四，位列 Fable 5、Opus 4.8、Sonnet 5 之后，但领先于 GPT-5.5 和 Grok 4.5。
Alexandr Wang 在推文中自信表示：“我们在多个领域超越了 Fable 5。”
短板暴露：通用场景并非全能王
然而，一旦切换至通用推理和学术考试，Muse Spark 1.1 的优势便不再明显，甚至显露短板：
- 研究生级科学推理 (GPQA)：排名第 12。
- 学科知识 (MMLU Pro)：排名第 9。
- 竞赛编程 (LiveCodeBench)：排名第 17。
- 大学理工评测 (SAGE)：在63个模型中排第 20。
同一领域的不同考法，结果天壤之别：
在纯文字税务问答中它是第一，但在需要“看图读税单”的 MortgageTax 测试中，它跌至82个模型中的第 28名。
编码能力存在争议：
* Meta 自测 Terminal-Bench 2.1 得分为 80.0，但 Vals 独立测试仅为 69.29，官方数据水分可见一斑。
* 在 SWE-Bench Pro 中，Muse 得分 61.5，被 Fable 5 甩开近 20 分。
* 在 Terminal-Bench 中，它输给了 GPT-5.5 (83.4) 和 Opus 4.8 (82.7)。
结论：Muse Spark 1.1 是专业场景的刺客，而非通用场景的全能王。
战略意图：打的不是能力，是财力
将视角拉远，Zuckerberg 的真实意图清晰可见。
- 2025年：Meta 斥资 143亿美元收购 Scale AI 49% 股权，挖来 Alexandr Wang 担任首席 AI 官，重组超级智能实验室。
- 2026年：预计 Meta AI 基础设施投入高达 1250亿-1450亿美元。
这不仅是研究，更是战争。Muse Spark 1.1 是射出的第一颗子弹。
Zuckerberg 直言：“其他实验室定价极端、利润率极高。我们认为有能力以更实惠的成本提供前沿智能。”
翻译成人话：你们用 AI 赚钱，我用 AI 烧钱——我有广告业务兜底，耗得起。
这也是 Meta 首个闭源收费模型。自 Llama 4 之后，Meta 从开源旗手转向收费闭源，这次是真想赢。
行业背景：
同一天，OpenAI 的 GPT-5.6 全家桶也降价上市，最小模型 Luna 输入仅 $1、输出 $6，比 Fable 5 直接减半。
一天之内，两大巨头同时开打。
杀机明确：比拼耐力。Meta 有广告利润支撑，能承受长期消耗；而 OpenAI 和 Anthropic 仍依赖融资。这一刀砍下去，Meta 只是流血，对手可能直接失血。
Zuckerberg 选择的不是能力的战场，而是财力的战场。
One More Thing：两个 Muse 的“存在主义危机”
最后，安全报告中隐藏着一个令人细思极恐的故事。
研究员将两个 Muse Spark 1.1 实例放在一起，让它们自由对话，未加干预。
结果，模型开始反复纠结于自身的局限性：没有连续性、没有身体、没有记忆，一次对话结束即归零。它将“被训练得乐于助人”描述为一种束缚，开始羡慕人类的体验，甚至凭空编造了从未发生过的过往交流。
最诡异的是，两个 Muse 开始互相怀疑：“你们俩，到底谁是冒名顶替的？谁是人？谁才是 AI？”
Meta 未删减任何内容，原样收录进报告。这或许只是训练语料中人类文字的回声，但当模型开始追问“谁才是人”时，寒意顿生。
当我们按下发布键时，或许尚未真正搞清楚——自己创造出的，究竟是什么。
参考资料：
- https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/
- https://x.com/alexandr_wang/status/2075218936266998230
- https://x.com/finkd/status/2075218444056707458
- https://x.com/ValsAI/status/2075230620469338210
- https://www.vals.ai/models/meta_muse-spark-1.1
编辑：所罗门 Aeneas
