meta 在人工智能領域再次掀起波瀾，其全新自研大模型 Muse Spark 正式上線，標志著這家科技巨頭在生成式 AI 賽道上邁出關鍵一步。此次發布由年僅 29 歲的前 Scale AI 聯合創始人 Alexandr Wang 領銜，作為 meta 超級智能實驗室（MSL）成立后的首個成果，Muse Spark 被定位為構建 "個人超級智能" 的核心引擎。
該模型的研發背景頗具戲劇性。2024 年 Llama 4 發布后因性能爭議與數據爭議陷入輿論漩渦，促使 meta 創始人扎克伯格啟動大規模重組，成立 MSL 并高薪招募頂尖人才。Alexandr Wang 在社交平臺透露，團隊耗時九個月重構了整個 AI 技術棧，包括基礎設施、模型架構與數據管線，最終打造出具備工具調用、視覺思維鏈與多智能體協同能力的 Muse Spark。
技術突破方面，Muse Spark 在多模態感知與推理任務中展現顯著優勢。其獨創的 "深度思考" 模式通過調度多個智能體并行推理，在 Humanity’s Last Exam 測試中取得 58% 的成績，FrontierScience Research 測試達 38%，性能對標 Gemini Deep Think 等前沿模型。更引人注目的是其算力效率——相比 Llama 4 Maverick，新模型在達到同等性能時所需訓練計算量減少超過一個數量級。
應用場景設計凸顯個性化特征。在健康管理領域，meta 與千名醫生合作構建訓練數據，使模型能夠生成交互式健康報告，例如標注食物營養結構或運動涉及的肌肉群。技術演示中，用戶上傳飲食照片后，模型可自動標記推薦食物（綠點）與非推薦食物（紅點），并顯示健康評分與營養成分數據。在設備維護場景，模型能識別咖啡機組件并生成交互式使用教程，懸停操作步驟時高亮顯示對應部件。
多智能體協同機制成為性能提升的關鍵。通過動態分配推理任務，系統在保持響應速度的同時提升問題解決能力。測試數據顯示，相比單一智能體長時間思考，多智能體協作模式在復雜任務中表現更優，且推理 token 使用效率提升 30%。這種設計使 Muse Spark 在處理瑜伽動作糾正、數獨游戲生成等交互任務時表現尤為突出。
目前 Muse Spark 已接入 meta AI 應用與網站，通過私有 API 向部分用戶開放測試。盡管定價策略尚未公布，但技術文檔顯示其擴展能力遵循預訓練、強化學習、測試時推理三大維度。值得關注的是，meta 未明確 Llama 系列后續開發計劃，但強調 Muse Spark 將作為新模型家族的起點，這或許預示著公司戰略重心向閉源模型轉移。
