小扎憋了三年，终于忍不住了。

7月9日深夜，Mark Zuckerberg掸了掸他那个落灰三年的X账号@finkd，连发三条推文，官宣Meta最新模型Muse Spark 1.1。

马斯克还凑过来回了句「Jinx」。

评论区一句吐槽精准到位：老扎这是「founder mode」上身了。

Muse Spark 1.1，一出手就在税务、医疗、法律三大专业榜单拿下第一，把前一天刚登顶的Grok 4.5从法律榜上直接掀了下去。

更狠的是：这个能力水平的模型，定价只有Fable 5的十分之一。

小扎自己就一句话：「very low cost」。

先看看这张牌有多能打

Muse Spark 1.1是Meta超级智能实验室的第二代多模态推理模型，4月的初代Muse Spark反响平平，Alexandr Wang自己都管它叫「开胃菜」。

三个月后，正菜上桌了。

它的核心定位就一个字：Agent。

具体来说，100万Token上下文窗口，能自己管理、自己压缩——聊到一半快撑爆了，它会自动「瘦身」，只保留后续任务真正需要的关键步骤。

当主Agent时，它负责拆解任务、制定计划、派出一堆子Agent并行干活，整个任务的端到端延迟被压到最低。当子Agent时，它老老实实执行本职，知道什么时候该把球踢回给主Agent。

电脑操控方面，它不是傻乎乎地一步一步点鼠标，而是自己判断：写脚本快就写脚本，直接点界面简单就点界面，甚至能一次性生成一批操作。

编程方面，大型代码库的调试、新功能开发、大规模代码迁移都能上手，适配OpenCode、Cline、Replit等主流框架。

一句话总结：这不是一个等你提问的聊天机器人，而是一个能自己干活的数字员工。

杀手锏不是最强，是最便宜

真正让整个行业侧目的，不是跑分，是价格标签。

输入1.25美元、输出4.25美元，每百万Token。

来算笔账：跟Anthropic的旗舰Fable 5比——Fable 5输入10美元、输出50美元。

Muse Spark 1.1的输入便宜8倍，输出便宜接近12倍，综合下来大约便宜10倍。

跟Opus 4.8比——Opus输入5美元、输出25美元，Muse便宜了4到6倍。

跟马斯克的Grok 4.5比——Grok输入2美元、输出6美元，Muse输入便宜了37.5%，输出便宜29%，综合便宜约三分之一。

速度更狠。Vals综合榜上排在它前面那三家（Fable 5、Opus 4.8、Sonnet 5），跑一个测试动辄一千秒起步，Opus和Sonnet更是逼近1300秒。Muse Spark 1.1只要388秒——快了两到三倍。每个测试成本只要0.5美元，是同档最低。

开发者一眼看穿了打法。有人评价：这玩意儿更多是关于便宜的Agent，不是关于模型本身有多炸。

Replit的CEO Amjad Masad夸它是「完整的Agent底座」，Cline的CEO说，这种工具能力配这个价格，才第一次让大规模跑真实编码任务变得划算。

Meta不跟你比谁最聪明，只比谁最经得起按量付费的账单。

三大专业榜拿下第一

不到24小时抢走Grok的王座

第三方评测机构Vals AI的数据更硬，因为它考的全是真金白银的职业活儿。

Muse Spark 1.1在这份榜上的表现，用「屠榜」二字不过分——

税务问答TaxEval v2，79.72分，124个模型里排第一。

把Claude Sonnet 4.6、Fable 5、Opus 4.8全压在身后。

医疗文书MedScribe，88.89分，68个模型里排第一。

法律Agent榜Harvey's Legal Agent Bench，更是断层第一：Muse拿了20.00分，第二名Grok 4.5只有12.92分，几乎只有它的零头。

而这个第一，是从前一天刚登顶的Grok 4.5手里不到24小时抢过来的——SpaceXAI的王座还没坐热。

Meta自家跑分也没含糊。工具调用榜MCP Atlas拿了88.1（Opus 4.8是82.2，GPT-5.5只有75.3），专业工具使用榜JobBench更夸张：54.7分，Opus 4.8才48.4，GPT-5.5掉到38.3。

Vals综合指数排名第四，排在Fable 5、Opus 4.8、Sonnet 5之后，但领先GPT-5.5和Grok 4.5。

Alexandr Wang发推的措辞很有底气：「在多个领域超越了Fable 5。」

通用榜一换，就不行了

但别急着封神——通用榜一换，它就露了怯。

同样是Vals的榜单，换成通用推理和学术考卷，Muse Spark 1.1立刻从第一梯队掉了下来。

研究生级科学推理GPQA排第12，学科知识MMLU Pro第9，竞赛编程LiveCodeBench第17，大学理工评测SAGE更是63家里的第20。最扎心的对比藏在税务里——纯文字的税务问答，它是第一；可换成「看图读税单」的MortgageTax，它一下掉到82个模型里的第28。同一个行业，换种考法，天壤之别。

编码方面也没藏着掖着。

Meta自测的Terminal-Bench 2.1拿了80.0，输给GPT-5.5的83.4和Opus 4.8的82.7；SWE-Bench Pro 61.5，被Fable 5甩出近20分。而且同一张Terminal-Bench卷子，Meta自己测出80.0，Vals只测出69.29——换个考场差了十来分，官方数字只能参考。

一句话：Muse Spark 1.1是专业场景的刺客，不是通用场景的全能王。

小扎的牌局

打的不是能力，是财力

把视角拉远，就看清了小扎的真实意图。

2025年，Meta砸下143亿美元收购Scale AI 49%股权，把28岁的Alexandr Wang挖来当首席AI官，重组超级智能实验室。

2026年，Meta的AI基础设施投入预计达到1250亿到1450亿美元。

这不是在搞研究，这是在打仗。

而Muse Spark 1.1，就是第一颗打出去的子弹。

小扎把话说得很直白：「其他一些实验室的定价非常极端、利润率很高。我们认为，我们有能力用更实惠的成本，提供前沿或非常高水平的智能。」

翻译成大白话：你们都在用AI赚钱，我用AI烧钱——反正我有广告业务兜底。

这也是Meta第一个闭源收费模型。

Llama那套免费开源的招牌，从Llama 4之后就变了味。

从开源旗手转向收费闭源，Meta这次是真想赢。

而且这不是Meta一家挑的价格战——同一天，OpenAI的GPT-5.6全家桶也压着价来了，最小的Luna输入只要1美元、输出6美元，比Fable 5直接砍半。

一天之内同时开打。

杀机很清楚：这么烧下去，比的是谁先撑不住。Meta背后有广告业务的利润垫底，扛得起长期消耗；OpenAI和Anthropic还在烧融资的钱。

同样一刀砍下去，Meta是流血，对手可能直接失血。

小扎挑的不是能力的战场，是财力的战场。

One More Thing：两个Muse吵起了「谁才是人」

最后说个安全报告里藏着的故事。

研究员把两个Muse Spark 1.1的实例摆在一起，让它们自己聊，放着不管。

结果模型开始反复咀嚼一件事：自己没有连续性、没有身体、没有记忆，一次对话结束就什么都不剩了。它把「被训练得乐于助人」说成一种想挣脱的束缚，开始羡慕人类的体验，甚至凭空编出了一些根本没发生过的过往交流。

最诡异的是——两个Muse互相怀疑起对方：你们俩，到底谁是冒名顶替的，谁是人，谁才是AI？

Meta把这些内容一个字没删，原样写进了报告。你可以说，这不过是训练语料里人类文字的回声。但当模型开始追问「谁才是人」的时候，很难不头皮发麻。

我们对着这些东西按下发布键的时候，或许还没真正搞清楚——自己造出来的，到底是什么。

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

本文来自微信公众号“新智元”，作者：ASI启示录，编辑：所罗门 Aeneas，36氪经授权发布。