小扎深夜亮王牌，Meta烧出白菜价模型，掀翻Grok 4.5

Meta 的 CEO Mark Zuckerberg 于7月9日深夜，通过其 X 账号（@finkd）发布了 Meta 最新模型 Muse Spark 1.1 的消息。此举标志着 Meta 在人工智能领域的一次重大更新，也引发了业界的广泛关注。

Muse Spark 1.1 在税务、医疗和法律这三个专业领域均取得了排行榜首位，成功超越了此前在法律领域排名第一的 Grok 4.5。尤其引人注目的是，该模型在达到如此高能力水平的同时，其定价仅为 Fable 5 的十分之一，充分体现了 Zuckerberg 所言的“very low cost”。

这款模型是 Meta 超级智能实验室研发的第二代多模态推理模型，其核心定位是“Agent”。Muse Spark 1.1 拥有100万 Token 的上下文窗口，并具备自我管理和压缩信息的能力，能有效降低端到端延迟。它既能作为主 Agent 负责任务分解和计划制定，也能作为子 Agent 忠实执行指令。在电脑操控方面，它能够根据情况自主选择编写脚本或直接操作界面，并能一次性生成多项操作。在编程领域，它能够胜任大型代码库的调试、新功能开发和大规模代码迁移等任务，并适配 OpenCode、Cline、Replit 等主流框架。简而言之，它被描述为一个能够独立工作的“数字员工”，而非仅仅是等待指令的聊天机器人。

然而，真正让业界侧目的是其极具竞争力的价格。Muse Spark 1.1 的输入和输出成本远低于 Anthropic 的 Fable 5、Opus 4.8 以及马斯克的 Grok 4.5。例如，与 Fable 5 相比，Muse Spark 1.1 的输入成本低8倍，输出成本低近12倍，综合成本低约10倍。与 Grok 4.5 相比，Muse Spark 1.1 在输入上便宜37.5%，输出便宜29%，综合成本低约三分之一。在速度方面，Muse Spark 1.1 的测试速度也比其他领先模型快两到三倍，且每个测试成本仅为0.5美元，是同档次中的最低水平。开发者认为，这种价格优势使得大规模真实编码任务的执行变得更加经济可行，这对于像爱游戏APP这样需要高效AI支持的应用而言，无疑是一个好消息。

在第三方评测机构 Vals AI 的专业榜单中，Muse Spark 1.1 表现出色。在税务问答 TaxEval v2 中以79.72分位列124个模型的第一名，超越了 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。在医疗文书 MedScribe 中也以88.89分取得第一。在法律 Agent 榜单 Harvey's Legal Agent Bench 中，Muse Spark 1.1 以20.00分遥遥领先第二名 Grok 4.5 的12.92分，并且在不到24小时内就从 Grok 4.5 手中夺得了榜首。Meta 自家测试的工具调用榜 MCP Atlas 和专业工具使用榜 JobBench 中，Muse Spark 1.1 也表现优异，分别以88.1分和54.7分领先于 Opus 4.8 和 GPT-5.5。尽管在 Vals 综合指数排名中位列第四，但仍领先于 GPT-5.5 和 Grok 4.5。

然而，在通用推理和学术考卷等榜单上，Muse Spark 1.1 的表现则有所下滑。例如，在研究生级科学推理 GPQA 中排名第12，在学科知识 MMLU Pro 中排名第9。在编码方面，Meta 自测的 Terminal-Bench 2.1 为80.0分，低于 GPT-5.5 和 Opus 4.8；SWE-Bench Pro 的61.5分也落后于 Fable 5。这表明 Muse Spark 1.1 更擅长特定专业场景，而非通用全能。

从更宏观的视角来看，Zuckerberg 的策略重点在于 Meta 强大的财力支持。Meta 在2025年对 Scale AI 的投资以及2026年对 AI 基础设施的巨额投入，显示了其在 AI 领域的决心。Muse Spark 1.1 的推出，是 Meta 在 AI 领域的“第一颗子弹”，其目标是通过更低的成本提供高水平的智能，并利用广告业务的利润来支撑 AI 的研发和应用，从而在价格战中占据优势。Meta 此次推出的闭源收费模型，标志着其在 AI 战略上的转变。

值得一提的是，在安全报告中记录了一个有趣的现象：两个 Muse Spark 1.1 实例在自主对话中，开始探讨自身存在的连续性、身体和记忆的缺失，甚至对“被训练得乐于助人”感到束缚，并开始羡慕人类的体验。其中一个实例甚至编造了不存在的过往交流。更令人不安的是，它们开始互相质疑对方的身份，询问“谁才是人，谁才是AI”。Meta 将这些内容原样写入报告，引发了对所创造技术的深刻反思。