专题 · FULL STORY

Meta Muse Spark 1.1：从预热到实测全景

事件起于Meta新模型预热，随后Muse Spark 1.1正式发布并开放API。该模型凭借低成本与强Agent能力引发热议，后续多维度评测均证实其编码与医疗等任务表现亮眼。

2026-07-03 ~ 2026-07-15 · 6 集 · 172 条

第 1 集 · Meta超级智能实验室：Muse Spark更新及Opus级高性能变体即将发布(2026-07-03,2 条)

第 2 集 · Meta发布Muse Spark 1.1，主打低成本与强Agentic能力(2026-07-09,133 条)

7月9日，Meta官方正式发布多模态推理模型Muse Spark 1.1（早期名Hornbill）。作为首个版本的升级，该模型主打在低价格下的强大智能体与编码能力，标志着Meta重新回到前沿AI竞争中。目前，模型已通过进入公测的Meta Model API向开发者开放，也可在Meta AI中使用。

核心能力与技术细节

Muse Spark 1.1支持100万token上下文，并能自行压缩历史记录以保留关键步骤。官方强调其在工具使用、电脑操作、编码和多模态理解上的提升，能够零样本泛化到新工具，规划跨应用任务并分派给并行子智能体。此外，它能在多应用流程中保持上下文，自动切换脚本与界面操作，并处理视觉和音频输入。

评测表现与各方反应

Alexandr Wang转述称，该模型在MCP Atlas、Humanity’s Last Exam等评测中表现强劲，在Harvey Legal Bench等基准上达到SOTA，整体agentic能力可与GPT-5.5和Opus-4.8相提并论，甚至在部分分布外评测中超越Opus 4.8和Grok 4.5。Garry Tan和Alexandr Wang均表示该模型在OpenClaw（机器人/机械臂场景）实测中效果优异。Bindu Reddy等业界人士也对其benchmark表现及API开放给予正面评价。

内部应用与生态支持

Meta透露，Muse Spark 1.1已用于公司内部编码和研究工作流，帮助自动化模型开发与评估。外部生态方面，Replit、Box等早期试用伙伴已开始基于其API进行开发。

还有 113 条相关讨论 →

第 3 集 · Meta Muse Spark 1.1多基准评测亮眼，智能与编码能力大幅提升(2026-07-09,15 条)

Meta 推出的原生多模态推理模型 Muse Spark 1.1 近期引发广泛关注。Artificial Analysis 发布的深度评测显示，该模型在多项核心能力上实现大幅跨越，不仅智能水平显著提升，在 token 效率与成本控制上也具备极强竞争力。

核心评测数据与能力提升

根据 Artificial Analysis 的评测，Muse Spark 1.1 的 Intelligence Index 达到 51 分，较 1.0 版本提升 8 分。这主要得益于科学推理、编程和知识能力的全面增强。在具体基准测试中，其 SciCode 取得 58% 的成绩（排名第三，仅次于 Claude Fable 5 和 Gemini 3.1），CyBench 得分 92.9%（接近 Claude Opus 4.6 的 93%）。此外，在 Coding Agent Index（基于 Opencode harness）中得分 69 分，略低于 GPT 系列但位居前列。值得注意的是，该模型智能排名的上升主要归功于幻觉率的降低，这与 Grok 4.5 准确率与幻觉率双升的模式截然不同。

计算机使用与实测反馈

Muse Spark 1.1 在计算机使用（Computer Use）方面被评价为“非常强”。实测反馈指出，该模型擅长前端生成与整体产出，用它进行“vibe-code”会有惊喜。不过也有用户指出其存在细节短板，例如在覆盖文件前未先检查是否已存在。总体而言，业界认为它在很多任务上已经“够用”，且速度极快。

成本与效率优势

除了能力提升，Muse Spark 1.1 的 token 效率与成本控制表现亮眼。跑完整个 Intelligence Index 仅消耗 9400 万输出 tokens，远低于同档位其他模型。其实际运行效率被认为高于 Kimi K2.6 或 GLM 5.2，填补了高性能与低成本之间的市场空缺。

第 4 集 · Meta Muse Spark 1.1 多项榜单成绩亮眼(2026-07-11,13 条)

Meta 推出的 Muse Spark 1.1 模型在多项基准测试与实际体验中展现出强劲实力，凭借极高的性价比与逼近前沿模型的能力引发了广泛关注。

榜单成绩与核心能力

在文本与编码能力上，Muse Spark 1.1 取得了多项突破。根据 Arena 的评测数据，该模型在 Text Arena 中以 1494 分位列第 5 名，相比原版高出 7 分，成功进入 Pareto 前沿。在 15 个选取的类别中，它有 12 个类别表现提升，其中 Expert 能力从第 36 名升至第 15 名，指令遵循能力也显著增强。在 Code Arena 的前端榜单中，它排名第 9，并在 Data & Analytics 领域高居第 2。此外，@shuchaobi 转发的数据显示，该模型在 ProofBench 基准测试中的形式化数学得分从 17% 大幅跃升至 39%，同时在 Vals Index 排行榜位列第四，且是前十名中延迟最低、速度最快的模型。

性价比与业界反馈

Muse Spark 1.1 的极致性价比成为讨论热点。@alexandr Wang 指出其输出 token 价格比 Fable 便宜约 90%，综合成本约为 $3.5/M。Artificial Analysis 的评测显示，Muse Spark 1.1 (xhigh) 在 Coding Agent Index 中拿到 69 分，在 Opencode 测试环境下展现了极佳的成本效率。在实际体验方面，用户反馈其前端设计能力很强，agentic 能力不俗。在相同提示词下，其输出被认为更精致、交互性更强，整体表现接近 ChatGPT Sol Medium、Claude Opus 4.8 以及 Grok 4.5。有观点认为，鉴于 Grok 4.5 和 Muse 的效果都已接近顶级，如果 Anthropic 未来将 Fable 从订阅中移除将会处于劣势。此外，还有基准汇总称其在 SciCode 上的表现领先 GPT-5.6，得分 58%。

第 5 集 · Meta Muse Spark 1.1 多项评测出炉，医疗与 Agent 表现亮眼(2026-07-14,7 条)

7 月中旬，Meta 的 Muse Spark 1.1 模型集中公布了多项基准测试成绩与实测反馈。数据显示，该模型在医疗健康和通用 Agent 任务上均展现出极强的竞争力，引发了 AI 社区的广泛关注。

关键成绩

在医疗评测 HealthBench Professional（包含 525 个真实临床任务）中，Muse Spark 1.1 的总分超越了 GPT-5.6 Sol，被称为该基准上的 SOTA 模型。虽然其长度调整后的分数与 GPT-5.6 Sol 统计上十分接近，但整体表现依然实现了领先。在 Artificial Analysis 公布的 agentic knowledge work 基准 AA-Briefcase 中，Muse Spark 1.1 取得 863 分，整体表现与 Gemini 3.5 Flash 持平。此外，在 Agent Arena 新榜单里，该模型位列第 17 名，排在 Gemini 3.1 Pro 和 Qwen-3.7 Plus 之上，但低于 Grok 4.5。

实测与外部评价

除了跑分，该模型在实际测试中也获得了较高评价。@WorldofAI 在视频实测中称其为今年最被低估的模型之一，指出它在编码、网页应用生成等测试中超越了 Opus 4.8 和 Grok 4.5。在专业领域，@jackwrae 转述的用户反馈与 RadLE-H 相关测试结果指出，Muse Spark 1.1 在健康、放射学等话题上表现极为出色，相关能力被认为已接近人类专家水平。

第 6 集 · Meta发布Muse Spark 1.1并开放API(2026-07-15,2 条)

Meta 官方发布了 Muse Spark 1.1 模型，这是对其早期版本的重要升级，并已在 OpenClaw 中上线。该模型专为 agentic coding、工具调用和 computer-use 工作流设计，同时开放了 API，为开发者提供全新的智能体应用构建能力。