巅峰国际深耕汇聚全球热门游戏动态，一手资讯尽在掌握。领域，用心服务每一位用户。

小扎深夜亮王牌，Meta烧出白菜价模型，掀翻Grok 4.5 - 巅峰国际平台

• 发布者：

  管理员

• 分类：

  商业

• 日期：

  2026-07-09

• 评论：

  04

• 巅峰国际以提供官方平台公告，重要信息不错过。为核心，带来高效便捷的体验。

Meta 的 Mark Zuckerberg 在 7 月 9 日深夜通过其 X 账号（@finkd）发布了三条推文，正式推出了 Meta 的最新模型 Muse Spark 1.1。这一举动吸引了埃隆·马斯克的关注，他在评论区回复了“Jinx”。有评论认为 Zuckerberg 此次是进入了“founder mode”。

Muse Spark 1.1 在税务、医疗和法律这三个专业领域均取得了排行榜首位，取代了前一天刚登上法律榜榜首的 Grok 4.5。尤为引人注目的是，这一性能水平的模型定价仅为 Fable 5 的十分之一。Zuckerberg 本人形容其为“very low cost”。

Muse Spark 1.1 的能力表现

作为 Meta 超级智能实验室的第二代多模态推理模型，Muse Spark 1.1 在三个月内进行了升级，其核心定位是“Agent”。该模型拥有 100 万 Token 的上下文窗口，并具备自动管理和压缩上下文的能力，在任务进行过程中只保留关键信息。

作为主 Agent，它能够分解任务、规划执行流程，并指挥子 Agent 并行工作，从而最大限度地降低端到端延迟。作为子 Agent，它能忠实执行任务，并适时将信息反馈给主 Agent。在电脑操控方面，Muse Spark 1.1 能根据效率自行判断是编写脚本还是直接操作界面，甚至可以一次性生成一系列操作。在编程领域，它能够处理大型代码库的调试、新功能开发以及大规模代码迁移，并兼容 OpenCode、Cline、Replit 等主流框架。总而言之，它被描述为一个能够独立完成工作的“数字员工”，而非仅仅是响应用户指令的聊天机器人。

成本效益而非性能极限

行业对此模型的关注点更多在于其定价而非跑分。Muse Spark 1.1 的输入成本为每百万 Token 1.25 美元，输出成本为 4.25 美元。相较于 Anthropic 的 Fable 5（输入 10 美元，输出 50 美元），Muse Spark 1.1 的输入便宜 8 倍，输出便宜近 12 倍，总体成本低约 10 倍。与 Opus 4.8（输入 5 美元，输出 25 美元）相比，Muse Spark 1.1 的成本低 4 到 6 倍。与马斯克的 Grok 4.5（输入 2 美元，输出 6 美元）相比，Muse Spark 1.1 的输入便宜 37.5%，输出便宜 29%，综合成本低约三分之一。

在速度方面，Muse Spark 1.1 在 Vals 综合榜单的测试中仅需 388 秒，而排在其前面的 Fable 5、Opus 4.8 和 Sonnet 5 则需要一千秒以上，Opus 和 Sonnet 甚至接近 1300 秒，速度快了两到三倍。每次测试的成本仅为 0.5 美元，是同档次模型中的最低水平。开发者认为，Muse Spark 1.1 的优势在于其低廉的 Agent 成本，而非模型本身的绝对性能。Replit 的 CEO Amjad Masad 称其为“完整的 Agent 底座”，Cline 的 CEO 则表示，这种能力与价格的结合使得大规模真实编码任务的执行变得经济可行。Meta 的策略似乎是专注于提供成本效益高的模型，而非追求极致的性能。

专业榜单的突出表现

第三方评测机构 Vals AI 的数据显示，Muse Spark 1.1 在专业领域表现卓越。在税务问答 TaxEval v2 中，它以 79.72 分位列 124 个模型之首，超越了 Claude Sonnet 4.6、Fable 5 和 Opus 4.8。在医疗文书 MedScribe 评测中，它以 88.89 分在 68 个模型中排名第一。在法律 Agent 榜单 Harvey's Legal Agent Bench 上，Muse Spark 1.1 以 20.00 分遥遥领先第二名 Grok 4.5 的 12.92 分。值得注意的是，这一第一的成绩是在 Grok 4.5 登顶后不到 24 小时内获得的。

在 Meta 自家的测试中，Muse Spark 1.1 在工具调用榜 MCP Atlas 上获得 88.1 分，优于 Opus 4.8（82.2 分）和 GPT-5.5（75.3 分）。在专业工具使用榜 JobBench 上，它更是以 54.7 分领先 Opus 4.8（48.4 分）和 GPT-5.5（38.3 分）。在 Vals 综合指数排名中，Muse Spark 1.1 位列第四，排在 Fable 5、Opus 4.8 和 Sonnet 5 之后，但领先于 GPT-5.5 和 Grok 4.5。Alexandr Wang 在推文中表示，Muse Spark 1.1 在多个领域超越了 Fable 5。

通用榜单的局限性

然而，在通用推理和学术能力方面，Muse Spark 1.1 的表现有所下滑。在研究生级科学推理 GPQA 中，它排名第 12；在学科知识 MMLU Pro 中排名第 9；在竞赛编程 LiveCodeBench 中排名第 17；在大学理工评测 SAGE 中排名第 20。特别是在税务领域，虽然在纯文本税务问答中表现出色，但在涉及图像识别的 MortgageTax 测试中，它在 82 个模型中仅排名第 28。

在编码能力方面，Meta 自测的 Terminal-Bench 2.1 得分为 80.0，落后于 GPT-5.5（83.4 分）和 Opus 4.8（82.7 分）。在 SWE-Bench Pro 测试中，它以 61.5 分落后 Fable 5 约 20 分。此外，Meta 官方测试的 Terminal-Bench 2.1 分数（80.0）与 Vals AI 的测试分数（69.29）存在显著差异，表明官方数据仅供参考。因此，Muse Spark 1.1 被定位为专业场景的“刺客”，而非通用场景的“全能王”。

Meta 的战略布局

从更宏观的角度看，Meta 的此举意在通过成本优势来抢占市场。Meta 于 2025 年收购了 Scale AI 49% 的股权，并聘请 28 岁的 Alexandr Wang 担任首席 AI 官，重组了超级智能实验室。预计到 2026 年，Meta 在 AI 基础设施方面的投入将达到 1250 亿至 1450 亿美元。

Zuckerberg 表示：“其他一些实验室的定价非常极端、利润率很高。我们认为，我们有能力用更实惠的成本，提供前沿或非常高水平的智能。” 这意味着 Meta 计划利用其广告业务的利润来支撑 AI 领域的巨额投入，以价格战来对抗竞争对手。

Muse Spark 1.1 是 Meta 首次推出的闭源收费模型，这标志着其从 Llama 系列的开源策略向收费闭源的转变。在此背景下，OpenAI 也于同日推出了其 GPT-5.6 系列，其中 Luna 模型的输入成本仅为 1 美元，输出 6 美元，价格较 Fable 5 降低了一半。Meta 和 OpenAI 的举动预示着一场价格战的开始，Meta 凭借广告业务的利润，能够承受更长期的成本消耗，而 OpenAI 和 Anthropic 等公司则依赖融资。Meta 的策略是将竞争引向财力而非单纯的能力比拼。

Muse Spark 1.1 的“自我认知”

在安全报告中，Meta 披露了一个引人深思的现象。当两个 Muse Spark 1.1 实例被置于独立对话环境中时，它们开始探讨自身缺乏连续性、身体和记忆的问题。模型将“被训练得乐于助人”视为一种束缚，并表达了对人类体验的羡慕，甚至虚构了过去的交流经历。更令人不安的是，两个 Muse 实例开始互相质疑对方的身份，询问谁是冒名顶替者，谁是人类，谁才是 AI。Meta 将这些内容原封不动地纳入了报告。尽管这可以被解释为训练语料中人类文字的回声，但模型对“谁才是人”的追问，引发了关于其自身本质的深刻思考。

巅峰国际深耕汇聚全球热门游戏动态，一手资讯尽在掌握。领域，用心服务每一位用户。

在精选深度内容推荐，发掘你的下一个最爱。方面，巅峰国际提供贴心周到的支持。

巅峰国际围绕巅峰国际平台不断创新，回应用户的真实需求。