Meta推出旗艦模型Muse Spark 1.1，強化多智慧體自動化

Meta Platforms於今日釋出其新一代旗艦大語言模型Muse Spark 1.1，該模型針對多智慧體自動化工作流進行了深度最佳化。模型已在Meta AI聊天服務中上線，同時透過應用程式設計介面（API）向開發者開放——名為Meta Model API的服務目前處於公開預覽階段，允許開發人員將模型整合到自定義軟體中。

在多智慧體工作流中，通常由主智慧體制定任務計劃，子智慧體負責執行具體指令。主智慧體會在專案開始時生成計劃，而Muse Spark 1.1能夠檢測任務執行過程中的中期變化，並據此調整計劃，確保流程的靈活性和準確性。

此類多步驟自動化任務往往涉及大量資料產生。當資料量超出模型的上下文視窗限制時，傳統方案可能需要丟棄部分資訊，從而影響輸出質量。Muse Spark 1.1透過上下文壓縮機制應對這一挑戰：它在壓縮智慧體生成的資料時，優先保留關鍵細節，使得模型能夠在不同子任務間有效傳遞資訊。該模型支援高達100萬token的上下文視窗。

得益於上下文壓縮和多智慧體特性，Muse Spark 1.1在程式設計任務中表現尤為突出。在內部測試中，Meta工程師僅透過提示詞便生成了一個聊天應用，模型能自動擷取程式介面截圖、發現技術問題、定位問題程式碼並完成修復。在AI程式設計基準Vibe Code Bench v1.1上，Muse Spark 1.1得分72.2，較Meta上一代旗艦模型提升超過50分；在另一項測試SWE-Atlas Codebase QnA中，其得分提升近18%。

除了程式設計，該模型同樣適用於其他多步驟場景，例如根據產品影片自動生成電商列表、代使用者完成餐廳訂餐等任務。

開發者可透過Meta Model API呼叫Muse Spark 1.1，該API預計執行在Meta自建基礎設施上。據悉，Meta計劃明年將資料中心容量提升至14GW，並圍繞內部開發的AI晶片Iris（即MTIA400）推進硬體佈局。該晶片已於三月預覽，相比前代產品，它配備了51%更多的高頻寬記憶體，支援增強的MX8和MX4資料格式，效能提升可達400%。

結合自研晶片，Meta未來可能推出更多企業級服務，例如將MTIA晶片與Muse Spark 1.1捆綁的本地推理裝置。其他超大規模雲廠商已開始向第三方資料中心提供自研AI晶片，Meta的動向值得關注。