YOHO AI

标签： Muse Spark

  • Meta的编程模型Muse Spark 1.1：不晒跑分，4.25美元/百万token抢开发者

    Meta的编程模型Muse Spark 1.1：不晒跑分，4.25美元/百万token抢开发者

    Meta Muse Spark 1.1 智能体编程模型
    Meta 发布面向智能体的多模态推理模型 Muse Spark 1.1

    7 月 9 日，Meta 上线了一个叫 Muse Spark 1.1 的模型。说它”低调”其实不太准确——扎克伯格亲自发帖，马斯克顺手一个转发，12 小时里相关视频被看了 1200 多万次。可翻开发布物料，你会发现一件怪事：没有 SWE-bench 分数，没有技术论文，也没开源。一个号称”编程模型”的东西，连个跑分都不敢晒。

    它到底能干什么

    Muse Spark 1.1 的定位是”给 AI 智能体用的多模态推理模型”。Meta 说它强化了多智能体协作：由一个主智能体负责收集信息、制定计划，再把任务拆给一堆子智能体并行执行，复杂项目的处理时间能明显缩短。上下文也拉长到了 100 万 token，长流程里能记住早先的内容。

    落到具体场景，它能在多个应用之间连续干长活儿，自己判断是该直接点界面、写段脚本自动化，还是一口气把几步操作做完，尽量少麻烦人。写代码这块，它能诊断修复杂 bug、开发新功能，甚至做大规模代码迁移，过程中一直保留关键上下文。Meta 说内部研发和研究员已经每天拿它辅助开发了。

    Meta 强调，Muse Spark 1.1 已按内部《Advanced AI Scaling Framework》完成部署前评估，在化学与生物安全、网络安全以及失控风险等前沿领域”均维持在安全范围内”。

    价格先打到底，基准一个没有

    这边没晒分，那边先把价格摆出来了：输出定价每百万 token 4.25 美元。比 Grok 4.5 还便宜，大概只有 GPT 近段时间价格的一小部分。如果后续基准勉强能看，这个价可能直接成为个人开发者的甜区，给 GitHub Copilot、Cursor 的收费模式施压。

    不过 Meta 自己的内部评估也坦诚，在部分电脑操作、长上下文和代码测试上，Muse Spark 1.1 仍然落后于 GPT-5.5 和 Claude Opus 4.8。它更像是先抛声量、后补证据的发布——在 Meta 今年预计超 650 亿美元资本开支的压力下，这款模型如果不能快速拉出用户规模，很容易又被看成”又一个没结果的尝试”。

    • 零基准发布：没有 SWE-bench、没有论文、没有开源，与 Llama 系列习惯相反
    • 价格战打法：4.25 美元/百万 token 输出，瞄准个人开发者
    • 能力边界：智能体、代码、通用推理有提升，但硬指标仍落后于 GPT-5.5 和 Claude Opus 4.8

  • Meta开放Muse Spark 1.1，想让自家的模型给开发者写代码

    Meta Muse Spark 1.1 编程模型概念图
    Meta 通过 Meta Model API 开放 Muse Spark 1.1（配图）

    今年 4 月，Meta 带着自家的第一个自研模型 Muse Spark 重新杀回 AI 牌桌。才过去三个月，它又往前挪了一步：把升级版 Muse Spark 1.1 通过一个新的 Meta Model API，开放给美国开发者做公开预览。换句话说，Meta 不再满足于只把模型藏在自己产品里，它想成为别人搭 AI 工具时脚下的那层地基。

    从”自己玩”到”让别人也来用”

    Meta 对 1.1 版的定位是比初代”跨了一大步”，改进来自开发者的反馈。具体能干什么？更硬的编程能力，包括发现和修复复杂 bug；更好地支持跨多个 App 的端到端智能体工作流，甚至多智能体协作；还原生具备对图片、视频、文档的多模态感知。上下文窗口给到了 100 万 token。

    Meta 说 Muse Spark 1.1 相比初代是”step-change”级别的跃迁，重点补上了复杂 bug 修复、多智能体编排，以及跨图片、视频、文档的原生多模态感知。

    身后那笔账

    这次发布紧跟在本周 Muse Image 的后面——那个图像生成模型因为能把别的用户的 Instagram 内容揉进生成结果里，已经惹出争议。但 Muse Spark 1.1 走的是另一条路：它要接进 AI 编程软件，去挤那个已经很挤的赛道。这一切都发生在 Meta 想证明自己砸下去的几十亿美元没白花的大背景下；过去一年它挖了一堆明星工程师、做了内部重组，目标就是追上 OpenAI、Google 和 Anthropic。

    怎么拿到，花多少钱

    新模型现在就能在 Meta AI App 和网站里用 Thinking 模式体验，同时通过 Meta Model API 向美国开发者开放公开预览。每个新开的 API 账号，Meta 还送 20 美元的免费额度。回想一下，Muse Spark 最早只在 Meta AI 里能用，后来才陆续驱动了 Instagram、WhatsApp 里的聊天机器人，以及最新的 Meta 智能眼镜。开发者 API 的具体按 token 计费标准还没公布，重度使用可能会被限流。

    分数还没追上，但路线选得巧

    在硬跑分上，Muse Spark 1.1 还没坐到领头的位置。Terminal-Bench 2.0 这种真实编程任务的测试里它拿了 59.0 分，落在 OpenAI 的 GPT-5.5（82.7）、Google 的 Gemini（68.5）和 Anthropic 的 Claude Opus（65.4）后面；SWE-Bench Verified 上它 77.4%，而 GPT-5.5 是 88.7%。Meta 自己也在声明里认了这些差距，说会继续往长程智能体和编程工作流里砸钱补窟窿。

    • 公开预览 7 月 9 日启动，而它的私下预览从 4 月就开始了。
    • 通过 meta.ai 和 Meta AI App，模型目前免费可用，企业级调用成本待定。
    • 100 万 token 上下文，是它目前最能拿得出手的一张牌。

    对 Meta 来说，这一步的意义不只在分数。当 OpenAI、Google、Anthropic 都在抢”谁坐在普通人的聊天框里”时，Meta 悄悄选了另一条战线——抢”谁坐在成千上万个编程助手、检索管道和自动智能体下面”。这条战线更安静，但可能更值钱：底层模型一旦被大量开发者依赖，迁移成本就高了，后面的议价权也就到了 Meta 手里。

  • Meta正式下线Llama API，14个月匆匆收场

    7月6日，Meta悄无声息地把Llama API拔了网线。这个2025年5月才上线的服务，前后只活了14个月，连一岁都不到。

    说关就关，开发者怎么办

    Llama API下线后，所有API请求会收到停用提示，同时附上一个迁移指引链接。Meta的官方建议是：转向支持Llama模型的第三方服务平台。当然，Llama模型本身不受影响，想继续用的开发者可以自己去下载模型文件，本地部署或者离线使用。

    至于Meta说的”正在筹备新的开发者支持方案，未来将推出基于Meta AI模型的全新开发工具链”——这话听着耳熟，但具体细节和上线时间一概没说。开发者现在能做的，要么是赶紧迁移，要么是继续等。

    Meta Llama API下线与Muse Spark战略转向
    Meta战略转向：从开放API到闭源Muse Spark

    背后的战略大转向

    这件事之所以值得说，是因为它折射出Meta在AI路线上的一次重要调整。Llama API当初上线，是Meta想亲自下场卖API、跟OpenAI和谷歌抢开发者市场。但14个月下来，这条路显然没走通。

    Meta正在从”亲自下场卖API”向”退居幕后建云、走开源闭源双轨制”转变。Llama API的退出，可能是为集中精力打造更具竞争力的开发者生态铺路。

    同步推出的Muse Spark是Meta超级智能实验室（MSL）成立9个月来的首款核心产品，而且是一款闭源模型。这就很有意思了——Meta一边继续开源Llama，一边推闭源的Muse Spark，形成了”开源Llama＋闭源Muse”的双轨制。这个打法，跟谷歌的Gemini（闭源）+ 开源Gemma，以及Anthropic只做闭源Claude，都不太一样。

    为什么是现在

    时机也值得玩味。Llama 4的表现不及预期，而行业竞争已经从”谁的模型强”转向”谁能把AI真正用起来”。Meta选择在这个时候把API服务关掉，把精力集中到模型本身和闭源的Muse Spark上，倒也不难理解。

    对开发者来说，如果你之前依赖Llama API，现在是该认真考虑迁移方案了。第三方平台里，Groq、Together AI、Replicate都支持Llama模型部署，短期内不至于没地方去。但长期来看，Meta的重心显然已经不在”提供API服务”这件事上了。