meta公司近日宣布推出其迄今为止最强大的多模态推理模型Muse Spark 1.1，这款专为智能体（Agent）任务设计的模型在工具调用、计算机操作、编程及多模态理解能力方面实现了显著提升，能够围绕用户目标规划任务并调用外部工具完成复杂工作流。
Muse Spark 1.1支持100万Token的上下文窗口，输入价格为每百万Token 1.25美元，输出价格为每百万Token 4.25美元，这一价格低于当前市场上的多款主流闭源模型。meta表示，该模型已在meta AI移动端应用和官网meta.ai上线，用户可在思考模式下使用。同时，meta还推出了新模型的API公开预览版，开发者可以通过API调用Muse Spark 1.1，这也是meta首次向开发者提供付费版本。
相比传统大模型主要用于回答问题和生成内容，Muse Spark 1.1进一步强化了AI执行任务的能力。meta称，该模型可以协调多个智能体共同完成任务，管理100万token的上下文窗口，并在长期任务中保持此前操作记录和关键信息。在编程方面，Muse Spark 1.1在复杂编程任务中表现突出，能够完成大型代码库理解、Bug修复和功能开发，并支持智能体编程中的规划、协作与上下文管理。
在智能体协作场景中，Muse Spark 1.1既可以作为主智能体负责收集信息、制定计划，并将任务分配给多个子智能体，也可以作为子智能体执行具体工作。该模型能够零样本适配新的原生工具、MCP服务器以及自定义技能，无需针对每个工具重新训练。Muse Spark 1.1支持管理100万token上下文窗口，能够记录此前执行过的操作，从更早任务阶段检索信息，并通过上下文压缩保留后续工作所需的重要内容。
在实际应用中，Muse Spark 1.1能够根据情境的变化自行更新任务要求。例如，在处理晚宴订单时，该模型能够感知到变化并在无需用户干预的情况下进行必要的更新。在计算机操作场景中，Muse Spark 1.1可以跨多个应用执行连续任务，并根据需求选择直接操作界面或生成自动化脚本。
meta还表示，Muse Spark 1.1进一步增强了视觉、音频理解和多模态工具调用能力。该模型能够结合视觉和音频信息，在长流程任务中保留关键细节，并利用这些信息帮助用户完成现实环境中的操作。例如，在Facebook二手交易市场上，Muse Spark 1.1可以根据用户拍摄的视频提取商品信息，分析商品内容，并代表用户完成商品发布。
Muse Spark 1.1上线后，不少网友对其进行了实测。开源开发者与技术博主Simon Willison对Muse Spark进行了经典的鹈鹕骑自行车SVG测试，并认为Muse Spark 1.1的评估报告中让两个模型进行对话，而模型谈及关于自身存在的话题非常有趣。AI数据和代码工作平台Julius AI创始人rahul在Julius代码工作台里调用了meta的Muse Spark 1.1大模型，直接让AI写出、运行整套《我的世界》游戏工程。
也有用户对Muse Spark 1.1的能力提出了质疑。有用户称，搭载Muse Spark 1.1大模型的meta AI iPad客户端稳定性极差，运行时频繁闪退、输出文本乱码断裂，认为新版本模型存在严重稳定性问题。还有用户吐槽meta AI连一个普通的Excel表格都做不好。
为验证Muse Spark 1.1的综合能力，meta公布了内部Benchmark测试结果，同时该模型也进入Vals AI等第三方评测榜单。测试显示，Muse Spark 1.1的优势主要集中在智能体任务执行、工具调用、软件工程以及多模态理解等方向。在meta内部测试中，Muse Spark 1.1在MCP Atlas工具调用测试中获得88.1分，排名第一，高于Claude Opus 4.8的82.2分和GPT-5.5的75.3分；在JobBench职业场景工具使用测试中获得54.7分，同样排名第一。
在计算机操作和软件工程任务中，Muse Spark 1.1在OSWorld-Verified计算机操作测试中获得80.8分，仅次于Claude Opus 4.8的83.4分；在Terminal-Bench 2.1终端编程测试中获得80分，在SWE-Bench Pro软件工程测试中获得61.5分。在meta Internal Coding Bench内部代码测试中，Muse Spark 1.1获得68.3分，高于上一代Muse Spark的58.8分。
第三方评测方面，大模型测试平台Vals AI数据显示，Muse Spark 1.1在Vals Index综合测试中排名第4，准确率达到68.41%；在Vals Multimodal Index多模态测试中排名第6，准确率达到66.74%。具体任务测试中，Muse Spark 1.1在Finance Agent v2金融智能体测试中排名第2，在CorpFin v2企业金融分析测试中排名第2，在MedScribe医疗记录处理测试中排名第1；代码能力方面，该模型在Vibe Code Bench v1.1代码生成测试中排名第5，在SWE-bench软件工程测试中排名第7。
