跳到正文
Meta AI:Research Blog·· 2026-10-03精選AI 評分76

Meta 發佈 Muse Spark 1.1,並開放 Meta Model API 公開預覽

Introducing Muse Spark 1.1

AI 導讀

Meta 發佈多模態推理模型 Muse Spark 1.1,稱其較 Muse Spark 在工具與電腦操作、編碼及多模態理解方面均有重大提升。模型可協調多個子智能體並管理 1 million tokens 的上下文窗口;開發者現可透過公開預覽中的 Meta Model API 使用,Meta AI app 和 meta.ai 亦提供 Thinking 模式。

推薦理由

Muse Spark 1.1 聚焦智能體工作流,涵蓋多智能體協作、電腦操作與 1 million tokens 上下文,並透過 Meta Model API 開放公開預覽。

正文 · 繁體中文

今天,我們很高興推出 Muse Spark 1.1。這是 Meta Superintelligence Labs 的最新模型,亦是 Muse Spark 的重大升級。Muse Spark 1.1 是專為代理式任務打造的多模態推理模型,在工具及電腦操作、編碼和多模態理解方面均有重大進步。

這些改進令 Muse Spark 1.1 推進了效能與效率的前沿。配合本週推出的 Muse Image,這次發佈讓我們更接近個人超級智能的願景:模型協助你追求目標、創作心中所想、深化人際關係,並為你最重視的事情付諸行動。

配合這次發佈,我們亦公開預覽全新的 Meta Model API,讓開發者可使用 Muse Spark 1.1。現時可在 Meta AI 應用程式及 meta.ai 上以「Thinking」模式使用此模型。

評測

代理程式

Muse Spark 1.1 在需要跨多種外部應用程式及服務進行規劃和協調的個人代理任務中表現出色。它能以零樣本方式泛化至新的原生工具、MCP 伺服器及自訂技能。

Text-to-image arena leaderboard chart

Single-image edit arena leaderboard chart

Multi-image edit arena leaderboard chart

Muse Spark 1.1 經訓練可協調多代理程式系統,以最佳化端到端延遲,因此處理複雜項目比 Muse Spark 快得多。作為主代理程式,它可收集上下文、制定計劃,並把執行工作分派給多個平行子代理程式。作為子代理程式,它會專注完成獲派任務、理解可用工具,並知道何時應向主代理程式求助。

Muse Spark 1.1 可以主動管理其 100 萬 token 的上下文視窗。它會記住操作、取回較早工作中的資訊,並以保留後續工作所需關鍵步驟的方式精簡上下文。

Inference-time compute scaling chart for Muse Image

電腦操作

Inference-time compute scaling chart for Muse Image

Muse Spark 1.1 擅長處理橫跨多個應用程式、而資訊又即時變動的電腦操作流程。它能在長時間工作階段中維持上下文、適應不斷變化的要求,並只需極少人手介入,便可操作不熟悉的介面。

Muse Spark 1.1 不會逐次點擊、逐步推理所有桌面操作,而是懂得判斷何時應自動化、何時應直接操作介面。我們訓練模型在自動化更快時撰寫腳本、在直接互動更簡單時進行點擊,並在每個步驟批量執行操作。

籌辦晚宴的代理程式:在實際應用中,任務進行時可能會出現新上下文,令任務有所改變。Muse Spark 1.1 會在下訂晚宴餐點時察覺這些變化,並在毋須使用者介入下作出必要調整。

編碼

Muse Spark 1.1 在涉及大型複雜程式碼庫的真實任務中,編碼表現大幅提升。它能診斷並修復複雜錯誤、在企業級系統中實作新功能,以及執行大型程式碼遷移。在建立網頁應用程式及端到端問答等使用情境中,Muse Spark 1.1 較我們的首個模型有顯著進步。

Inference-time compute scaling chart for Muse Image

我們訓練模型順暢適應不同代理框架,並可靠處理複雜的多輪互動。Muse Spark 1.1 能配合常見的代理式編碼環境,包括規劃模式、目標條件設定、委派子代理程式及上下文精簡等功能。

OpenCode 除錯示範:Muse Spark 1.1 建立聊天網頁應用程式、自動擷取螢幕截圖以找出使用者可見的故障、追查相關程式碼並實作修正,然後驗證改動。模型能無縫結合編碼、多模態理解及工具呼叫。

Meta 的開發者及研究人員每天都在使用 Muse Spark 1.1,以更快速度、更聰明方式工作。在我們主要的內部編碼評測 Meta Internal Coding Bench 中,Muse Spark 1.1 較 Muse Spark 大幅進步,表現亦可與領先的替代模型競爭。

Inference-time compute scaling chart for Muse Image

研究人員現亦在工作流程中運用 Muse Spark 1.1,自動化模型開發及評估任務。

OpenCode 中的 DeepSWE 評測:Muse Spark 1.1 以不同推理強度在 DeepSWE 的部分任務上評估自身,並根據結果產生分析儀錶板。

多模態

Inference-time compute scaling chart for Muse Image

除了編碼和代理能力外,Muse Spark 1.1 在感知、多模態推理及工具使用方面也表現出色。它能與真實環境互動,並產生有實據支持的輸出;其優勢包括把視覺內容轉化為程式碼製品、撰寫極詳盡的圖像及影片説明,以及執行多模態使用情境中的代理工作流程。

當感知與行動需要同步進行時,Muse Spark 1.1 的多模態能力尤其有用。模型可檢視視覺及音訊內容,在長流程中保留細節,並在代替使用者操作電腦時運用這些資訊。

Facebook Marketplace 代理程式:Muse Spark 1.1 使用智能手機拍攝的影片,抽取有用照片並分析商品,然後代替使用者操作瀏覽器,在 Facebook Marketplace 刊登商品。

安全

部署前,我們按照 Advanced AI Scaling Framework 進行了廣泛的安全評估。該框架為我們最先進的模型訂明評估方法、威脅模型及部署門檻。

在所有前沿風險類別——化學與生物安全、網絡安全及失控風險——我們的評估均顯示 Muse Spark 1.1 在安全範圍內運作。Muse Spark 1.1 能有效抵禦直接越獄,以及來自不可信資料、提示注入和開發者提示攻擊的間接攻擊。因此,它展現出更強的對抗穩健性、更低的幻覺率及較少的諂媚傾向。

Muse Spark 1.1 的完整安全措施已記錄於我們的 Muse Spark 1.1 評估報告。

供應情況

開發者首次可透過現正公開預覽的全新 Meta Model API,開始使用 Muse Spark 1.1 建構應用。Muse Spark 1.1 的早期合作夥伴稱讚它是完整的代理式基礎模型,兼具長上下文處理能力、強大的編碼與推理能力,可應付大規模代理工作負載。

「Muse Spark 最令人印象深刻之處,是它把如此多能力整合在一個模型中:龐大的百萬 token 上下文、完整多模態支援(圖像、影片、PDF)、內置並附有引文的搜尋、強大推理能力、頂尖編碼能力(尤其是前端及設計)、結構化輸出,以及平行工具呼叫,而且全部封裝在簡潔、兼容 OpenAI 的套件中。這是完整的代理式基礎。」

— Amjad Masad,Replit 行政總裁

「Meta 顯然正為高要求的代理式編碼而建構模型:工具使用能力強,價格亦令大規模執行實際編碼工作負載變得可行。這種組合十分罕見,也正是我們希望讓 Cline 開發者及早使用的原因。」

— Saoud Rizwan,Cline 行政總裁

「在 Box 的企業工作評測集上測試時,Muse Spark 展現的企業能力可與現今領先的前沿模型競爭。這種智能,加上它在多個行業的結構化程序工作流程中的優勢,例如專業服務、公共部門及工業營運,令它成為機構值得考慮的選擇。」

— Yashodha Bhavnani,Box AI 產品副總裁

「Muse Spark 1.1 是一款很出色的代理程式執行模型。速度快、能力強,配合 OpenClaw 使用也很有趣。」

— Dave Morin,OpenClaw Foundation

我們很高興推出 Muse Spark 1.1,這展現了我們研究工作的強勁進展。目前我們正訓練能力更強的模型,期待與大家分享未來成果。

撰文:

Meta Superintelligence Labs

分享:

來源:Meta AI:Research Blog · ai.meta.com