Meta超级智能实验室发布Muse Spark 1.1：专为智能体任务打造的多模态推理模型，现已登陆Meta Model API

今天，Meta超级智能实验室发布了Muse Spark 1.1，并同步开放了Meta Model API的公开预览。后者是结构性的变化——Meta的模型此前主要通过开放权重触达开发者，而Muse Spark 1.1是闭源的、托管式、按token计费的。因此问题很明确：它在您已有的技术栈中处于什么位置？

Muse Spark 1.1是什么？ Meta将其描述为专为智能体任务打造的多模态推理模型。据报告，相较于第一代Muse Spark，它在工具使用、计算机使用、编码和多模态理解方面均有提升。上下文窗口为100万token（Meta Model API文档显示为1,048,576）。

核心能力与特性 由于是推理模型，它会在回答前进行思考，且每次请求的推理力度可调。输入支持文本、图像、视频和文档，输出为文本。API还提供结构化输出、并行工具调用、Files API和提示缓存。向Responses API调用添加web_search工具可返回带引用的答案。

定价与区域可用性 访问方式分为两种：消费者可在Meta AI应用和meta.ai上免费使用“思考”模式；开发者需支付每百万输入token 1.25美元、每百万输出token 4.25美元。新账户获赠20美元免费额度。初始发布说明称公开预览仅限美国地区，暂未开放欧盟访问。

性能表现 Meta发布了一张基准测试表，结果清晰展示了定位。在工具使用和工具增强推理方面，Muse Spark 1.1领先；在编码和多模态方面排名第三。因此，这是一款编排模型，而非编码准确性领导者。需注意，基准测试由Meta报告，且竞争对手展示的是其最强模式。

值得重视的特性：压缩与委派 除了分数，编排行为解释了工具使用结果。模型主动管理其百万token上下文窗口：记住操作、从早期工作中检索信息，并压缩所保留的内容。委派是另一半：作为主智能体，它收集上下文、规划并将执行委派给并行的子智能体；作为子智能体，它恪守职责、理解可用工具，并在需要时向上反馈。研究团队还报告了对新型原生工具、MCP服务器和自定义技能的零样本泛化能力。计算机使用遵循相同逻辑：模型被训练在自动化更快时编写脚本，在直接交互更简单时点击，并在每一步生成批量操作。

接入现有技术栈 由于Model API兼容OpenAI格式，迁移只需更改base URL而非重写。Meta提供了首个调用示例代码。Anthropic格式的工具（如Claude Code）可指向Messages API；Agent CLI（如OpenCode）使用三个值注册提供商：base URL、密钥、模型ID。

用例 实际演示映射到工程团队已知的工作负载。例如：多模态列表自动化（Facebook Marketplace演示中，模型获取智能手机视频、提取照片、推理商品、操作浏览器发布列表）；截图驱动调试（OpenCode演示中，构建聊天应用、自动截图、追踪故障至代码、验证修复）；自适应规划（晚宴演示中，新上下文中途加入，模型无需提示即更新计划）。编码工具获得一级支持：规划模式、目标条件设定、子智能体委派、上下文压缩。Meta团队还报告了内部编码基准的显著提升。

优势与劣势 综合来看，权衡清晰。优势：在Meta报告的工貝使用和工具增强推理评估中领先；百万token上下文由模型主动压缩；对陌生工具、MCP服务器、自定义技能零样本泛化；兼容OpenAI和Anthropic SDK使A/B测试成本低廉。劣势：在Meta自己的表格中，SWE-Bench Pro、DeepSWE 1.1和BabyVision上排名第三；闭源，无法本地部署或微调；所有发布数据均为厂商报告，竞争对手展示在最大设置下；公开预览仅限美国地区；预览定价可能变化。

关键要点 在Meta报告的工貝使用评估中领先，但在编码方面落后于Opus 4.8和GPT-5.5；百万token窗口由模型主动压缩；定价每百万输入1.25美元、输出4.25美元，外加20美元免费额度；兼容OpenAI和Anthropic SDK，预览仅限美国；是Meta为其前沿模型提供的首个付费API。

查看技术细节。欢迎关注Twitter，加入150k+ML SubReddit，订阅时事通讯。也可通过Telegram联系我们。如需合作推广GitHub仓库、Hugging Face页面、产品发布或网络研讨会，请与我们联系。