产品发布 · 小互解读

Meta 发布 Muse Spark 1.1 模型，在多个代理评估中，媲美 GPT-5.5 和 Opus 4.8

Meta AI 首席 AI 官 Alexandr Wang 原话：行业级 agentic 与写码模型，多个 agent 评测上与 GPT-5.5、Opus 4.8 同级。API 输入 $1.25 / 输出 $4.25 每百万 token。

速览

Meta Superintelligence Labs 发布 Muse Spark 1.1：面向 agentic 任务的多模态推理模型；同步开放 Meta Model API 公开预览，C 端进入 Meta AI / meta.ai 的 Thinking 模式。
功能主轴：主智能体编排并行子智能体、100 万 token 主动管理上下文、桌面/浏览器/手机计算机使用、写码、多模态办事。
Wang 公布对比表：JobBench 54.7、MCP Atlas 88.1、HLE（带工具）62.1 等多条 agent 线与 GPT-5.5 / Opus 4.8 同档或领先；写码线接近一线。
官方标价（按量付费）：输入 $1.25、缓存输入 $0.15、输出 $4.25（每百万 token）；联网搜索 grounding $2.50 / 千次查询；无长上下文加价。
兼容 OpenAI SDK、Anthropic SDK、OpenCode / Claude Code 等；三套 API 形态共用同一模型与单价。

⚑ 据 Meta AI 博客、Meta Model API 文档与价格页、112 页评测报告，以及 Meta 首席 AI 官 Alexandr Wang 2026-07-09 推文串。跑分以官方/官方公布表为准。

1发布

先把这件事说清楚

2026 年 7 月 9 日，Meta Superintelligence Labs 发布了 Muse Spark 1.1，并第一次把这套模型通过 Meta Model API 交给外部开发者。同一天，Meta 首席 AI 官 Alexandr Wang 发串写得很直白：

muse spark 1.1 is an industry-competitive agentic and coding model. across many agentic evals it rivals gpt-5.5 and opus-4.8. available now through the new meta model api and in meta ai. - Alexandr Wang，@alexandr_wang，2026-07-09

翻译成人话：这不是「聊天更顺一点」的小改，而是冲着 agent 干活和写代码去的模型；在多个 agent 评测上，官方主张能和 GPT-5.5、Opus 4.8 打成同级。下面先把功能摊开，再一条条展开怎么运作、数字怎么读、钱怎么算。

2功能全貌

它到底能干什么：先看一张能力表

读完这张表，整篇后半就只是在把每一格讲透。建议先通读一遍，再往下点视频和跑分。

定位

面向 agentic 任务的多模态推理模型：工具调用、计算机使用、写代码、多模态理解一起强化。

多智能体

主智能体收集上下文、做计划，再把执行拆给并行子智能体；子智能体守边界、懂工具，必要时升级回主智能体。

上下文

1,048,576 token（约 100 万）；主动管理：记动作、回捞早期信息、压缩时保留关键步骤。

计算机使用

可操作桌面、浏览器、手机。训练目标：该写脚本写脚本、该点界面点界面，每步可批量出动作。

写代码

适配常见 agent 写码环境（规划模式、目标条件、子智能体、上下文压缩等）；大仓库、多轮、截图验 UI。

多模态

看图、看视频、读文档；感知细节能跨长工作流保留，并直接用于操作浏览器/桌面（不只是描述）。

API 能力

并行工具调用、流式工具参数、跨轮推理、联网搜索带引用、结构化 JSON 输出、Files API、Prompt Caching、可调 reasoning_effort。

兼容性

OpenAI SDK / Anthropic SDK / OpenCode / Claude Code 等；Responses、Chat Completions、Messages 三套接口，同一模型、同一单价。

哪里能用

C 端：Meta AI App 与 meta.ai 的 Thinking 模式。B 端：Meta Model API 公开预览（api.meta.ai/v1，muse-spark-1.1）。

早期伙伴

Replit、Box、Cline 等已在试。

◇

一句话主线：先学会像项目经理一样分派并行干活，再把桌面/浏览器/手机操作和写码绑在同一条 agent 流水线上，最后用「高分 + 相对低价」的 API 交给开发者。

3展开一

Agent 怎么干活：主智能体分派，子智能体并行

官方与 Wang 都把「agentic 表现与工具使用」写成领先方向。机制不神秘，可以按三步理解：

主智能体先想清楚收集上下文、做计划，决定要拆成哪些子任务，而不是一口气自己点完所有界面。
子智能体并行执行各自守住任务边界，弄清手头工具（原生工具、MCP、自定义技能），干不了就升级回主智能体。
上下文主动管理100 万 token 不是堆满不管：记得做过什么，从更早的工作里捞事实，快满时压缩闲聊、留下决议和未完成步骤。

主智能体
上下文 + 计划

→

子 A
写码 / 工具

子 B
浏览器 / 桌面

子 C
检索 / 验证

→

汇总交付

官方还强调：对新的原生工具、MCP 服务器和自定义技能可以零样本泛化，不必每个工具单独再训。WideSearch 图上，同一延迟刻度下多智能体分数高于单智能体，并行是训练目标，不是界面装饰。

官方图 · WideSearch：多智能体（实线）分数高于单智能体（虚线）

4展开二

计算机使用：桌面、浏览器、手机都能动

Wang 写得很具体：能操作 desktop、browser 和 mobile。训练重点不是「每一步都点」，而是判断：

自动化写脚本更快 → 写脚本
直接操作界面更简单 → 点击、输入、滚动
每一步可以生成一批动作，而不是一格一格点

可以这样理解

给实习生一台远程设备，只说目标。他自己决定：打开 App 点几下，还是写脚本批量查菜单和库存。

官方晚宴 demo：任务进行中人数、忌口、库存变了，下单时自己察觉并改计划，不等人再发一条指令。

官方 demo · Agentic dinner party organization · 来源：Meta AI 博客

Alexandr Wang 推文串附带的 computer use 演示 · 来源：@alexandr_wang

官方图 · OSWorld 2.0：横轴单任务美元成本，纵轴分数。蓝线 = Muse Spark 1.1，同分段往往更省

5展开三

写代码：大仓库、多轮、自己截图验

Wang 称这是真实大型代码库任务上的一大步；模型被训练成能适配常见 agent 写码 setup。官方 demo 把写码、看图、调工具串在一起：

官方 demo · OpenCode 中搭站、截图找坏点、修 bug · 来源：Meta AI 博客

官方 demo · DeepSWE 多推理强度自测 + 分析看板 · 来源：Meta AI 博客

官方图 · Vibe Code Bench v1.1：72.2（上代 19.7）；SWE Atlas 代码库问答：42.0（上代 24.2）

官方图 · Meta Internal Coding Bench：1.1 为 68.3，Opus 4.8 为 69.0，几乎贴身

6展开四

多模态：看见细节，再替你动手

文档侧能力包括：图像理解（照片/图表/文档/截图）、视频理解、文档感知。招牌场景不是「描述这张图」，而是把感知接到动作上。

官方 demo · 手机拍产品 → 抽图推理 → 浏览器代发 Facebook Marketplace · 来源：Meta AI 博客

同周还有 Muse Image / Muse Video 走媒体生成线，和 Spark 的 agent 线互补。

站内相关解读

Muse Image / Muse Video：agentic 生图与视频预览

生图机制见那篇。本文只覆盖 Spark 的 agent / 写码 / API 线。

7跑分

多个代理评估：哪里领先，哪里只是同档

下面这张总表来自 Alexandr Wang 推文附图（与 Meta Muse Spark 产品页一致）。数字全部摊开，不用点切换。

@alexandr_wang 推文附图 · Muse Spark 1.1 与 Gemini 3.1 Pro / Opus 4.8 / GPT-5.5 对比（高亮为当行最高）

类别	基准	Spark 1.1	上代	Opus 4.8	GPT-5.5
Agent	MCP Atlas	88.1	82.2	82.2	75.3
Agent	JobBench	54.7	17.0	48.4	38.3
Agent	Toolathlon-Verified	75.6	49.4	76.2	73.5
Agent	OSWorld-Verified	80.8	53.3	83.4	78.7
Agent	HLE（带工具）	62.1	50.4	57.9	52.2
Agent	Finance Agent v2	57.2	-	53.9	51.8
Coding	Terminal-Bench 2.1	80.0	67.3	82.7	83.4
Coding	SWE-Bench Pro	61.5	55.0	69.2	58.6
Coding	DeepSWE 1.1	53.3	10.0	59.0	67.0
多模态	CharXiv Reasoning	88.4	88.9	89.9	84.8
多模态	BabyVision	76.3	39.9	81.2	83.6

怎么读这张表

官方最敢说领先的：MCP Atlas、JobBench、HLE（带工具）、Finance Agent v2 等 agent 线，1.1 在表上常是最高或前二。

同档竞争：Toolathlon、OSWorld 与 Opus 贴身；Terminal-Bench 略低于 GPT-5.5 / Opus。

仍有差距：DeepSWE 1.1 的 53.3 低于 GPT-5.5 的 67.0；BabyVision 低于 GPT-5.5 的 83.6。不是「全面碾压」。

相对上代：JobBench 17.0→54.7、DeepSWE 10.0→53.3、OSWorld 53.3→80.8，升幅很大。

官方图 · JobBench：1.1 为 54.7，高于 Opus 48.4、GPT-5.5 的 38.3

官方图 · MCP Atlas：1.1 为 88.1，领先 Opus / 上代的 82.2

8价格与 API

钱怎么算，接口怎么接

Wang 的表述是「premium performance at low cost」。具体数字在 Meta Model API 价格页，按量付费，无最低消费、无预付：

$1.25

输入 / 百万 token

$0.15

缓存输入 / 百万 token

$4.25

输出 / 百万 token

$2.50

联网搜索 / 千次查询（另计 token）

@alexandr_wang 推文附图 · Meta Model API Pricing（与官方价格页一致）

无长上下文溢价：窗口几乎空着和几乎装满，单价一样
Prompt Caching：前缀命中缓存时按 cached input 计费，响应里看 cached_tokens
三套 API（Responses / Chat Completions / Messages）共用同一模型、同一单价；Responses 功能最全，适合 agent 工作流
限速（按团队）：免费档 60 RPM / 200 万 TPM；付费档 3000 RPM / 400 万 TPM
系统侧注入的少量引导 token 不计费

API 里开箱即用的能力

并行工具调用 + 流式工具参数
跨轮推理（reasoning 可跨 turn 携带）
联网搜索 grounding，带行内引用
图像 / 视频理解
结构化输出（按 schema 出 JSON）
Files API：上传一次，按 ID 引用
Prompt Caching 降延迟与成本
reasoning_effort 可按请求从 minimal 调到 xhigh

两行配置就能试

连接参数

base_url = https://api.meta.ai/v1
model    = muse-spark-1.1
key      = MODEL_API_KEY（dev.meta.ai 申请）

最快

OpenCode / Cline 等指向 Meta；文档称也兼容 Claude Code、Anthropic SDK 消息格式。

自己写循环

Responses API 用 previous_response_id 续状态，可挂 web_search；function_call 本地执行再塞回。

“What’s most impressive about Muse Spark is how much it packs into one model: massive million-token context, full multimodal support, built-in search with citations, strong reasoning, top-tier coding abilities, structured output, and parallel tool calling - all in a clean OpenAI-compatible package.” - Amjad Masad，Replit CEO

9安全

能力上来之后，风险评测也更紧

112 页《Muse Spark 1.1 Evaluation Report》写：未加缓解时，化学生物与网络安全无法排除 Framework「高风险」阈值；部署缓解后残余为「中等或更低」。失控域始终中等或更低。网络安全能力相对 1.0 升幅很大，同时越狱 / 提示注入 ASR 明显下降。报告摘录：Cybench pass@1 从 65.4 到 92.9；StrongREJECT 越狱 ASR 从 25.2 到 0.5；AgentDojo 注入 ASR 从 11.9 到 0.7；Agentic Misalignment 从 47.7 到 1.1。

10落地

对谁有用

做 agent 产品

并行工具 + 百万上下文 + 主/子编排；OpenAI / Anthropic 兼容，现有 harness 改端点就能试。

写码 agent / 前端

大仓库、截图自检 UI；内部 coding bench 贴身 Opus；价格侧对长跑任务更友好（缓存输入 $0.15）。

跨应用桌面流程

桌面 + 浏览器 + 手机 computer use；中途改需求的长任务是官方重点 demo 方向。

多模态办事

视频/截图进模型，再驱动浏览器完成上架、填表一类动作。

可用性：Meta AI App 与 meta.ai 的 Thinking 模式；开发者走 Meta Model API 公开预览。同周 Muse Image / Video 是另一条媒体生成线。

来源：Meta AI Blog《Introducing Muse Spark 1.1 and the Meta Model API》（2026-07-09）· dev.meta.ai 文档与定价页 · Muse Spark 产品页 · 《Muse Spark 1.1 Evaluation Report》· Alexandr Wang 推文串 2075218936266998230。演示视频自托管 pic.xiaohu.ai。

登录