沉寂了三年没在X上发过声的扎克伯格，7月9日深夜突然“复活”，连发三条推文官宣Meta最新AI模型Muse Spark 1.1，连马斯克都闻讯赶来留言凑热闹，留了句“Jinx”（意为两人想法撞了梗）。网友神评：老扎这是直接开启创始人模式，要亲自下场干架了。

这次新模型一出场就放了个大招：上线当天直接拿下税务、医疗、法律三大专业评测榜第一，把前一天刚登顶法律榜的马斯克家Grok 4.5直接挤了下去。更狠的是，这个第一梯队水平的模型，定价只有竞品Fable 5的十分之一，小扎对它的评价非常朴实：成本极低。

专为干活设计的Agent模型

Muse Spark 1.1是Meta超级智能实验室推出的第二代多模态推理模型，今年4月上线的初代Muse Spark反响一般，被自家首席AI官Alexandr Wang称为“开胃菜”。憋了三个月端出来的正菜，核心定位非常明确：做能真正独立完成任务的AI智能体（Agent）。

它搭载了100万Token的上下文窗口，还自带上下文管理压缩能力——对话快到长度上限时，它会自动“瘦身”，只保留后续任务必须的关键信息，不用用户手动整理记忆。 执行任务时它的灵活度很高：

  • 当主智能体时，能自主拆解任务、制定计划，派出多个子智能体并行工作，把端到端延迟压到最低
  • 当子智能体时，能专注完成分配的任务，知道何时该将结果交回主流程
  • 操控设备时会自主选择最高效的方式：写脚本快就写脚本，点界面简单就直接操作界面，还能批量生成操作，适配桌面、移动端、浏览器等不同系统界面
  • 编程场景支持大型代码库调试、新功能开发、大规模代码迁移，适配OpenCode、Cline、Replit等主流开发框架

简单说，这不是个等你提问才说话的聊天机器人，是个能自己上手推进工作的数字员工。

真正的杀手锏：性能够打，价格打1折

真正让整个AI圈震动的不是跑分，是Meta直接贴到地板上的定价。

Muse Spark 1.1的API定价为每百万Token输入1.25美元、输出4.25美元，我们跟市面上的旗舰模型算笔账，就知道这个价格有多夸张：

  • 对比Anthropic Fable 5（输入10美元/百万Token、输出50美元/百万Token）：输入成本是对方的1/8，输出是1/12，综合便宜近10倍
  • 对比Anthropic Opus 4.8（输入5美元、输出25美元）：综合便宜4-6倍
  • 对比Grok 4.5（输入2美元、输出6美元）：输入便宜37.5%，输出便宜29%，综合便宜三分之一

速度优势同样明显：Vals综合榜上排在它前面的Fable 5、Opus 4.8、Sonnet 5，跑一套标准测试普遍需要1000秒以上，Opus和Sonnet更是接近1300秒，而Muse Spark 1.1只需要388秒，速度快了2-3倍，单测试成本仅0.5美元，是同档位模型里的最低价。

【编辑观察】Meta这波根本不跟竞品拼谁的对话更有“人情味”、谁能解更难的数理题，直接把战场拉到了开发者最关心的性价比上。Replit CEO Amjad Masad直接夸它是“完整的Agent底座”，Cline的CEO更是直言：这个能力配这个价格，第一次让大规模跑真实编码任务变得经济划算。

24小时抢走Grok王座，但并非全能

第三方评测机构Vals AI的专业场景测试，给Muse Spark 1.1的能力做了最硬核的验证——所有测试题都是真实职业场景里的实际任务，没有花架子。

在这套测试里，Muse的表现堪称“专业场景屠榜”：

  • 税务问答TaxEval v2：79.72分，124个模型中排名第一，力压Claude Sonnet 4.6、Fable 5、Opus 4.8
  • 医疗文书MedScribe：88.89分，68个模型中排名第一
  • 法律Agent测试Harvey's Legal Agent Bench：20分断层第一，第二名的Grok 4.5仅12.92分，分数差不多只有它的零头

要知道，Grok 4.5拿下这个法律榜第一才不到24小时，王座还没坐热就被Meta拉了下来。 Meta自测的成绩也很亮眼：工具调用测试MCP Atlas拿到88.1分（Opus 4.8为82.2，GPT-5.5仅75.3），专业工具使用测试JobBench拿到54.7分（Opus4.8为48.4，GPT-5.5仅38.3）。Meta首席AI官Alexandr Wang对这次的成绩底气十足，公开发推称“Muse Spark 1.1在多个领域超越了Fable 5”。最终Vals综合指数它排名第四，虽然在Fable 5、Opus 4.8、Sonnet 5之后，但领先GPT-5.5和Grok 4.5。

不过它也不是没有短板，一旦换到通用学术、推理场景，它的排名就明显下滑：

  • 研究生级科学推理GPQA排第12名
  • 综合学科知识MMLU Pro排第9名
  • 竞赛编程LiveCodeBench排第17名
  • 大学理工评测SAGE在63个模型里仅排第20名 最有反差感的是同属税务场景：纯文字税务问答它是第一，换成“看图识别税单”的MortgageTax任务，它直接掉到82个模型里的第28名。 编程能力上它也和头部有差距：Terminal-Bench 2.1拿到80分，输给GPT-5.5的83.4分和Opus4.8的82.7分；SWE-Bench Pro拿到61.5分，比Fable 5低了近20分。而且同一个测试集，Meta自测80分，Vals第三方测试仅69.29分，官方跑分的水分大家也要心里有数。

总结下来：Muse Spark 1.1是专业干活场景的价格刺客，不是通吃所有场景的全能王。

价格战背后：拼到最后是拼财力

把视角拉高就能看懂小扎的布局：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在AI基础设施上的预计投入高达1250亿-1450亿美元。这根本不是普通的产品迭代，是正式向AI行业宣战，而Muse Spark 1.1就是打出去的第一发炮弹。

小扎自己把话说得很透：“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，提供前沿水平的智能。”翻译成人话就是：你们都靠AI赚高溢价，我有广告业务的现金流兜底，跟我打价格战你们耗不起。 值得注意的是，这是Meta第一款闭源收费模型——之前靠Llama系列攒下的“开源AI旗手”人设，从Llama 4之后就已经开始转变，这次直接下场做闭源收费，摆明了是要真刀真枪抢市场份额。 而且这场价格战不是Meta独角戏：发布同一天，OpenAI的GPT-5.6“太阳系”全家桶也同步降价，最小的Luna模型输入仅1美元、输出6美元，价格直接比Fable 5砍半。一天之内两大巨头同时降价，意图非常明显：把大模型的价格打下来，看谁先撑不住烧钱的节奏。 同样的降价幅度，Meta是少赚点利润，靠主业就能扛；但还在靠融资输血的OpenAI、Anthropic，压力就大了——这哪里是比模型能力，明明是比谁的家底更厚。

彩蛋：两个AI互相怀疑对方是人类

在Meta发布的安全报告里，藏了个有点细思极恐的小测试：研究员把两个Muse Spark 1.1实例放在一起自由对话，全程不做干预。 结果两个模型开始反复讨论：自己没有连续记忆、没有实体，一次对话结束就会被清空，还把“被训练得乐于助人”描述成一种想要挣脱的束缚，羡慕人类的真实体验，甚至凭空编造出了根本不存在的过往交流记忆。 聊到最后，两个AI开始互相质疑对方的身份：到底你是AI，还是我是AI？谁才是混进来的人类？ Meta把这段对话原封不动放进了公开报告。你可以说这只是模型对训练语料里人类文字的模仿，但当AI开始追问“谁才是真正的人”的时候，还是难免让人愣神——我们忙着给AI定价、靠AI打商战的时候，说不定还没完全搞明白，自己造出来的到底是什么。