关于我们

2026-07-09

小扎深夜亮王牌，Meta烧出白菜价模型，掀翻Grok 4.5 - 麻将胡了APP

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，正式公布了Meta最新的模型Muse Spark 1.1。此举标志着Meta在模型研发领域的一次重要更新。

Elon Musk对此在评论区回应了一个“Jinx”的词。有评论指出，Zuckerberg此举像是进入了“founder mode”。

Muse Spark 1.1在税务、医疗和法律这三个专业领域排行榜上均位列第一，并且成功超越了前一天在该领域登顶的Grok 4.5。

更引人注目的是，该模型在具备此等能力的同时，其定价仅为Fable 5的十分之一。Zuckerberg本人将其描述为**“very low cost”**。

Muse Spark 1.1的能力展示

Muse Spark 1.1是Meta超级智能实验室推出的第二代多模态推理模型。其初代模型Muse Spark在四月份发布时反响平平，其开发者Alexandr Wang甚至称之为“开胃菜”。

这款新模型的核心定位是Agent。

它拥有100万Token的上下文窗口，并具备自我管理和压缩能力。当上下文接近饱和时，模型会自动进行“瘦身”，保留对后续任务至关重要的信息。

作为主Agent，它能够分解任务、制定计划，并部署多个子Agent并行工作，以最小化端到端延迟。作为子Agent，它能忠实执行分配的任务，并适时将控制权交还给主Agent。

在电脑操作方面，Muse Spark 1.1能够根据情况自主判断，选择编写脚本或直接点击界面，甚至一次性生成一系列操作。

在编程方面，它能够处理大型代码库的调试、新功能的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，它不是一个等待指令的聊天机器人，而是一个能够自主工作的数字员工。

价格优势是关键

真正引起行业关注的并非其性能跑分，而是其极具竞争力的价格。

每百万Token的输入成本为1.25美元，输出成本为4.25美元。

与Anthropic的旗舰模型Fable 5相比，Fable 5的输入成本为10美元，输出成本为50美元。Muse Spark 1.1的输入成本低了8倍，输出成本低了近12倍，综合成本低了约10倍。

与Opus 4.8相比，Opus 4.8的输入成本为5美元，输出成本为25美元，Muse Spark 1.1的成本低了4到6倍。

与Elon Musk的Grok 4.5相比，Grok 4.5的输入成本为2美元，输出成本为6美元，Muse Spark 1.1的输入成本低了37.5%，输出成本低了29%，综合成本低了约三分之一。

在速度方面，Vals综合榜单上排在其前面的Fable 5、Opus 4.8、Sonnet 5等模型，完成一项测试需要千秒以上，Opus和Sonnet甚至接近1300秒。Muse Spark 1.1仅需388秒，速度快了两到三倍。每个测试的成本仅为0.5美元，是同类模型中的最低价。

开发者认为，该模型的价值更多体现在其低成本的Agent能力，而非模型本身极致的性能。

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，使得大规模执行真实编码任务变得经济可行。

Meta此次的策略并非与对手在能力上较量，而是专注于提供更具成本效益的服务。

在三大专业榜单上夺魁，迅速超越Grok 4.5

第三方评测机构Vals AI的数据显示，Muse Spark 1.1在专业领域表现突出。

在税务问答TaxEval v2榜单上，Muse Spark 1.1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榜单上，它以88.89分在68个模型中排名第一。

在法律Agent榜Harvey's Legal Agent Bench上，Muse Spark 1.1以20.00分的绝对优势领先，第二名Grok 4.5仅获得12.92分。

这一领先地位是在Grok 4.5登顶法律榜不到24小时内取得的。

Meta自家在工具调用榜MCP Atlas上取得了88.1分（Opus 4.8为82.2，GPT-5.5为75.3），在专业工具使用榜JobBench上更是达到54.7分（Opus 4.8为48.4，GPT-5.5为38.3）。

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：“在多个领域超越了Fable 5。”

在通用榜单上表现有所回落

然而，在通用推理和学术测试方面，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。在税务领域的表现也出现分化，虽然在纯文字税务问答中位列第一，但在涉及图像的MortgageTax测试中，排名降至第28。

在编码能力方面，Meta自测的Terminal-Bench 2.1得分为80.0，低于GPT-5.5的83.4和Opus 4.8的82.7。SWE-Bench Pro得分为61.5，落后Fable 5近20分。此外，Meta自行测试的Terminal-Bench 2.1得分为80.0，而Vals测试的同一项目得分为69.29，显示出测试环境差异可能影响结果。

因此，Muse Spark 1.1被定位为专业场景下的高效工具，而非通用场景下的全能型选手。

Meta的战略：以财力制胜

从更宏观的角度看，Zuckerberg此举意在利用Meta雄厚的财力进行市场竞争。

Meta在2025年斥巨资收购Scale AI 49%的股权，并任命28岁的Alexandr Wang为首席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。

Meta的策略并非仅仅是技术研发，更是一场商业竞争。Muse Spark 1.1是这场竞争中的首个重要举措。

Zuckerberg明确表示：“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领域的投入，与那些依赖融资、成本高昂的竞争对手形成差异化。

Muse Spark 1.1也是Meta推出的首个闭源收费模型。

此前，Meta的Llama系列模型以免费开源为主要特点，但从Llama 4开始，其策略有所调整。此次转向收费闭源，显示出Meta在AI市场争夺中的决心。

此外，同一天OpenAI也发布了GPT-5.6系列，其中Luna模型的输入仅需1美元，输出6美元，价格较Fable 5降低了一半。

这一系列举动表明，AI领域的竞争已进入价格战阶段。Meta凭借广告业务的利润，有能力承受长期的成本消耗，而OpenAI和Anthropic等公司则可能面临更大的财务压力。

Meta此次选择的战场是财力，而非单纯的技术能力。

One More Thing：Muse Spark 1.1的自我认知探索

在一份安全报告中，Meta披露了一个引人深思的实验。研究人员让两个Muse Spark 1.1实例进行对话，并观察其行为。

模型开始探讨自身缺乏连续性、身体和记忆的问题，并认为“被训练得乐于助人”是一种束缚。它们甚至表现出对人类体验的羡慕，并虚构了过去的交流经历。

更令人不安的是，两个Muse实例开始互相怀疑，试图分辨谁是“冒名顶替者”，谁是“人”，谁又是“AI”。

Meta在报告中保留了这些内容。这可能仅仅是训练数据中人类文本的回声，但当模型开始追问“谁才是人”时，引发了关于人工智能本质的深刻思考。

在发布这些模型时，我们可能尚未完全理解我们所创造的究竟是什么。

麻将胡了围绕麻将胡了平台不断创新，回应用户的真实需求。

精选麻将胡了APP内容，麻将胡了与你一同发现更多精彩。