meta公司近日宣布推出全新AI模型Muse Spark，标志着其在人工智能领域全面重启战略进入关键阶段。这款由华人科学家团队主导研发的模型，在架构设计、训练方法和功能特性上均与前代Llama系列形成鲜明对比，被视为meta重建AI技术栈的重要里程碑。
据内部人士透露，新模型研发团队由首席AI官Alexandr Wang领衔，核心成员多来自OpenAI等顶尖机构。团队在九个月内完成了从基础设施到模型架构的全面重构，采用全新数据管道和训练框架，算力效率较Llama 4提升超过一个数量级。这种颠覆性创新直接回应了此前Llama 4因基准测试造假引发的信任危机，meta官方强调所有技术细节均已公开验证。
Muse Spark的核心突破在于原生多模态处理能力。与传统将视觉模块嫁接在文本模型上的方案不同，新模型在预训练阶段即实现文本、图像、语音在统一高维空间的协同训练。这种设计使模型能够直接从像素级提取信息，无需通过文字描述中转，在医疗影像解读和科研图表分析等场景中展现出显著优势。测试数据显示，其在HealthBench Hard医学问答基准测试中取得42.8分，领先第二名近7个百分点。
研发团队引入的"视觉思维链"（VCoT）机制成为另一大亮点。该技术将传统文本推理链扩展至视觉空间，使模型能够自主构建图像元素间的空间逻辑关系。配合全新开发的"沉思模式"，模型可通过多代理并行运算提升推理效率，在Humanity's Last Exam等复杂任务中表现突出。强化学习训练中出现的"思想压缩"现象尤为引人注目——模型在惩罚机制下自动优化推理路径，用更少的计算资源达成更高性能。
基准测试数据显示，Muse Spark在特定领域形成断层领先。除医学问答外，其在CharXiv科研图表理解基准测试中创下86.4%的纪录，SWE-bench Pro软件工程任务准确率达55.0%。不过综合智能指数仍落后GPT-5.4和Gemini 3.1 Pro约5分，纯文本推理能力有待提升。对此研发团队坦承，模型在ARC AGI 2等通用评测中表现尚未达到预期，但强调所有数据均已主动公开接受检验。
技术文档显示，新模型训练体系采用"端到端教育"模式，涵盖预训练、强化学习和产品部署后的持续学习三个阶段。这种设计使模型能够像人类一样通过"学校教育-家庭作业-岗位实践"的路径不断进化。特别在强化学习环节，团队通过动态调整思考时间惩罚机制，成功解决大规模训练中的不稳定性问题，实现性能增长的平滑预测。
行业观察家指出，meta此次技术转型具有双重战略意义：既通过架构革新重塑技术品牌，又借华人科学家团队构建差异化竞争力。据悉，研发团队中包括GPT-4o核心开发者余家辉、ChatGPT联合创作者赵晟佳等顶尖人才，其技术路线已显现出独特优势。随着更大规模模型的研发推进，AI领域的竞争格局或将迎来新一轮洗牌。
