meta在人工智能领域的战略转型引发了广泛关注。这家曾因元宇宙投入巨大却收效甚微的科技巨头，如今通过烧钱组建超级智能实验室，推出了首款通用模型Muse Spark，试图在AI赛道上实现弯道超车。
经过一年研发，Muse Spark终于面世。初步测试结果显示，这款模型在多模态、文字推理、健康和智能体等领域展现出强劲实力，与Opus 4.6、Gemini 3.1 Pro等旗舰模型相比各有优势。特别是在多模态任务中，Muse Spark的表现令人印象深刻，能够精准理解图片内容并生成符合逻辑的交互界面。
在多模态能力测试中，Muse Spark展现出了超越同类模型的细节处理能力。当被要求根据超市货架图片推荐减脂零食时，它不仅能准确识别商品，还能结合营养学知识给出合理建议。更令人惊叹的是，当测试者提供一张计算器截图并要求将其转化为可操作界面时，Muse Spark生成的虚拟计算器不仅外观与原图一致，所有按键功能也完全正常。
代码生成能力测试中，Muse Spark同样表现出色。在处理LeetCode高难度算法题时，它提供的解决方案在时间和空间复杂度上均优于竞争对手。特别是在第65题测试中，Muse Spark的解法击败了97%的提交答案，而Gemini 3.1 Pro的空间复杂度仅优于13%的解决方案。
文字推理测试环节，Muse Spark的Instant模式展现出惊人的响应速度，能在3秒内给出准确答案。相比之下，GPT 5.4 Thinking在处理简单逻辑题时却出现失误，暴露出其稳定性不足的问题。不过在健康领域咨询测试中，各模型表现趋于一致，均能提供基本可靠的建议。
meta的技术团队透露，Muse Spark的成功得益于三个关键创新：预训练阶段充分利用了Instagram和Facebook的独家数据资源；强化学习过程中引入了新型奖励机制；测试时推理阶段通过惩罚过长思考过程，实现了响应速度与准确性的平衡。这种技术组合使模型在保持高效的同时，避免了其他AI常见的冗长回答问题。
尽管Muse Spark的初期表现亮眼，但外界仍持谨慎乐观态度。批评者指出，meta尚未公布详细的技术文档和测试案例，模型闭源且未开放API接口，这些做法引发了对其跑分数据真实性的质疑。不过也有观点认为，这可能只是meta的试水之作，未来开源版本或许会带来更大惊喜。
当前AI模型竞争已进入白热化阶段。虽然Muse Spark的崛起打破了原有三足鼎立的格局，但Claude Mythos Preview等新兴模型已展现出更强大的潜力。在这场没有终点的技术竞赛中，meta能否持续保持领先地位，仍将取决于其后续的技术投入和开放策略。
