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(9 条相关)→
「具身」频道最新
- 加州公司推出睫毛嫁接机器人，每只眼可贴 25 根假睫毛 — lukas_m_ziegler · 2026-08-21
- 制作离线万圣节说话盒子：多模态与语音模型实战 — breksyt · 2026-08-21
- 预测：认知 AGI、自动驾驶与机器人将于今年底同时实现 — davidpattersonx · 2026-08-21
- VLM 智能体驱动人形机器人，边对话边操作 — Kangwook_Lee · 2026-08-21
- AdaPT 框架让机器人模仿费德勒打法 — Scobleizer · 2026-08-21
- 天工机器人高速跑酷，过弯如赛车 — CyberRobooo · 2026-08-21