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”：

1. 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。
2. 医疗文书 (MedScribe)：88.89分，在68个模型中排名第一。
3. 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