Meta推出旗舰模型Muse Spark 1.1，强化多智能体自动化

Meta Platforms于今日发布其新一代旗舰大语言模型Muse Spark 1.1，该模型针对多智能体自动化工作流进行了深度优化。模型已在Meta AI聊天服务中上线，同时通过应用编程接口（API）向开发者开放——名为Meta Model API的服务目前处于公开预览阶段，允许开发人员将模型集成到自定义软件中。

在多智能体工作流中，通常由主智能体制定任务计划，子智能体负责执行具体指令。主智能体会在项目开始时生成计划，而Muse Spark 1.1能够检测任务执行过程中的中期变化，并据此调整计划，确保流程的灵活性和准确性。

此类多步骤自动化任务往往涉及大量数据产生。当数据量超出模型的上下文窗口限制时，传统方案可能需要丢弃部分信息，从而影响输出质量。Muse Spark 1.1通过上下文压缩机制应对这一挑战：它在压缩智能体生成的数据时，优先保留关键细节，使得模型能够在不同子任务间有效传递信息。该模型支持高达100万token的上下文窗口。

得益于上下文压缩和多智能体特性，Muse Spark 1.1在编程任务中表现尤为突出。在内部测试中，Meta工程师仅通过提示词便生成了一个聊天应用，模型能自动截取程序界面截图、发现技术问题、定位问题代码并完成修复。在AI编程基准Vibe Code Bench v1.1上，Muse Spark 1.1得分72.2，较Meta上一代旗舰模型提升超过50分；在另一项测试SWE-Atlas Codebase QnA中，其得分提升近18%。

除了编程，该模型同样适用于其他多步骤场景，例如根据产品视频自动生成电商列表、代用户完成餐厅订餐等任务。

开发者可通过Meta Model API调用Muse Spark 1.1，该API预计运行在Meta自建基础设施上。据悉，Meta计划明年将数据中心容量提升至14GW，并围绕内部开发的AI芯片Iris（即MTIA400）推进硬件布局。该芯片已于三月预览，相比前代产品，它配备了51%更多的高带宽内存，支持增强的MX8和MX4数据格式，性能提升可达400%。

结合自研芯片，Meta未来可能推出更多企业级服务，例如将MTIA芯片与Muse Spark 1.1捆绑的本地推理设备。其他超大规模云厂商已开始向第三方数据中心提供自研AI芯片，Meta的动向值得关注。