Meta MuseSpark 1.2 具身进化：指挥机器人找鸭子、双臂整理桌面
量子位 · wechat · 2026-08-21
Meta 公布了 MuseSpark 1.2 的多模态与具身智能能力。模型不仅能写代码，还能「长出手脚」指挥机器人完成任务：演示中包括根据视觉搜索房间里的鸭子，以及控制双臂机器人整理桌面。
技术架构：系统分为两层大脑。上层为 MuseSpark 变体，负责高层规划与任务拆解（如识别场景、理解指令）；下层由 VLA 模型执行具体动作。模型通过深度理解视频、提取场景变化，并调用网页开发、空间定位等工具完成闭环。
能力与评测：
- 视觉编码：可直接将图片/视频生成网页和游戏，并在 DesignArena「视频生成网站」榜单位列第一。
- 具身 Agent：在 ZeroBench 高难视觉推理测试中得分 54.0%，逼近旗舰模型 GPT-5.6 Sol (54.6%)。
- WildArtifactBench：发布内部评测集，涵盖鸟鸣识别、心脏超声分析、3D 网格生成等 10 项复杂任务，考验模型多模态综合处理与格式化输出能力。
应用与开源：模型已在 Meta 内部用于媒体生成和数据标注，开发者可通过 API 使用，官方确认即将开源。
所属事件:Meta 发布 Muse Spark 1.2：视觉转代码与机器人编排双升级(10 条相关)→
「具身」频道最新
- CMU Andrea Bajcsy 讲座：通用机器人时代「安全」意味着什么 — CSProfKGD · 2026-10-16
- 开发者用 Codex 遥控 CAN-bus 电机，目标造出 Codex 造的机器人 — OpenAIDevs · 2026-10-16
- UC Berkeley 论文借「迈达斯神话」反思机器人伦理与人形模仿 — begusgasper · 2026-10-16
- 团队让 Claude Opus 5.5 端到端复现 10 篇机器人论文核心结论 — teortaxesTex · 2026-10-16
- Kinex 发布：让编码 Agent 直接操控任意实体机器人并从每次运行中学习 — daibond_alpha · 2026-10-16
- 移除 Gemini 后相关性从 0.20 升至 0.96：通用能力与机器人能力高度挂钩 — ycombinator · 2026-10-16