小扎深夜亮王牌，Meta烧出白菜价模型，掀翻Grok 4.5

资讯

小扎深夜亮王牌，Meta烧出白菜价模型，掀翻Grok 4.5

100万+ 浏览
30万+ 评论
2024年5月1

Meta 的 Mark Zuckerberg 于7月9日深夜通过其X账号@finkd发布了三条推文，正式公布了Meta最新的模型 Muse Spark 1.1。

埃隆·马斯克在评论区回应了一个“Jinx”的词语。

有评论指出，Zuckerberg 此次是进入了“创始人模式”。

Muse Spark 1.1 在税务、医疗和法律三大专业领域排行榜上均位列第一，取代了前一天刚登顶的 Grok 4.5 在法律榜上的位置。

更引人注目的是，该模型在同等能力水平下，定价仅为Fable 5的十分之一。Zuckerberg 本人将其描述为“very low cost”。

Muse Spark 1.1 的能力亮点

Muse Spark 1.1 是Meta超级智能实验室推出的第二代多模态推理模型。其前代产品Muse Spark在四月份发布时反响平平，被Alexandr Wang形容为“开胃菜”。

该模型的核心定位是一个 Agent。

它拥有100万Token的上下文窗口，并具备自动管理和压缩信息的能力。当上下文即将超出限制时，它能自动“瘦身”，保留对后续任务至关重要的信息。

作为主Agent，它负责分解任务、制定计划并协调子Agent并行工作，从而最大限度地降低端到端延迟。作为子Agent，它则专注于执行分配的任务，并知道何时将控制权交还给主Agent。

在电脑操作方面，它能够根据情况自主判断是编写脚本更高效还是直接点击界面更便捷，甚至可以一次性生成一系列操作。

在编程领域，它能够处理大型代码库的调试、新功能的开发以及大规模的代码迁移，并兼容OpenCode、Cline、Replit等主流框架。

简而言之，它不是一个等待指令的聊天机器人，而是一个能够独立执行任务的数字员工。

价格优势是关键

真正引起行业关注的并非其跑分成绩，而是其价格标签。

该模型每百万Token的输入成本为1.25美元，输出成本为4.25美元。

与Anthropic的旗舰模型Fable 5相比，Fable 5的输入成本为10美元，输出成本为50美元。Muse Spark 1.1 的输入便宜8倍，输出便宜近12倍，综合成本大约低了10倍。

与Opus 4.8相比，Opus的输入成本为5美元，输出成本为25美元，Muse Spark 1.1 的价格低了4到6倍。

与马斯克的 Grok 4.5 相比，Grok 的输入成本为2美元，输出成本为6美元，Muse Spark 1.1 的输入便宜37.5%，输出便宜29%，综合成本约低三分之一。

在速度方面，Muse Spark 1.1 表现更为突出。在Vals综合榜单中，排在其前面的Fable 5、Opus 4.8和Sonnet 5 完成一项测试需要千秒以上，Opus和Sonnet甚至接近1300秒。而Muse Spark 1.1 仅需388秒，速度快了两到三倍。每次测试的成本仅为0.5美元，是同级别模型中最低的。

开发者认为，该模型的价值更多体现在其低成本的Agent能力，而非模型本身的性能有多么突破。Replit的CEO Amjad Masad称其为“完整的Agent基础”，Cline的CEO也表示，这种能力和价格的组合使得大规模真实编码任务的执行变得经济可行。Meta似乎在通过价格策略，而非单纯的性能比拼来吸引用户。

在三大专业榜单中夺冠

第三方评测机构Vals AI的数据显示，Muse Spark 1.1 在专业领域表现卓越。

在税务问答TaxEval v2榜单中，Muse Spark 1.1 以79.72分在124个模型中排名第一，超越了Claude Sonnet 4.6、Fable 5和Opus 4.8。

在医疗文书MedScribe榜单中，它以88.89分在68个模型中位列第一。

在法律Agent榜Harvey's Legal Agent Bench上，Muse Spark 1.1 以20.00分的成绩遥遥领先，远超第二名Grok 4.5的12.92分。这个第一的位置是在Grok 4.5登顶不到24小时内夺取的。

Meta自家的数据也显示了其在工具调用方面的优势，MCP Atlas榜单得分88.1，高于Opus 4.8（82.2）和GPT-5.5（75.3）。在专业工具使用榜JobBench上，Muse Spark 1.1 获得54.7分，同样领先于Opus 4.8（48.4）和GPT-5.5（38.3）。

在Vals综合指数排名中，Muse Spark 1.1 位列第四，排在Fable 5、Opus 4.8和Sonnet 5之后，但领先于GPT-5.5和Grok 4.5。Alexandr Wang表示，该模型在多个领域超越了Fable 5。

通用能力表现相对普通

然而，在通用推理和学术能力方面，Muse Spark 1.1 的表现则有所下降。

在研究生级科学推理GPQA中，它排名第12；在学科知识MMLU Pro中排名第9；在竞赛编程LiveCodeBench中排名第17；在大学理工评测SAGE中排名第20。在税务领域，虽然纯文本税务问答能力位列第一，但在“看图读税单”的MortgageTax测试中，其排名下降至第28位。

在编码方面，Meta的Terminal-Bench 2.1测试得分80.0，落后于GPT-5.5（83.4）和Opus 4.8（82.7）。在SWE-Bench Pro测试中，得分61.5，落后Fable 5近20分。此外，Meta自行测试的Terminal-Bench 2.1得分为80.0，而Vals的测试结果为69.29，显示出官方数据与第三方测试结果存在差异。

总的来说，Muse Spark 1.1 在专业场景下表现出色，但在通用场景下并非顶尖水平。

Meta 的战略考量

从更宏观的角度看，Zuckerberg 的举措体现了Meta在AI领域的长远布局。

Meta于2025年投资143亿美元收购Scale AI 49%的股权，并任命28岁的Alexandr Wang为首席AI官，重组了超级智能实验室。预计到2026年，Meta在AI基础设施方面的投入将达到1250亿至1450亿美元。

Muse Spark 1.1 可以被视为Meta在此战略中的首个重要成果。Zuckerberg明确表示，“其他一些实验室的定价非常极端、利润率很高。我们认为，我们有能力用更实惠的成本，提供前沿或非常高水平的智能。”

这意味着Meta正试图利用其广告业务的利润来支撑AI的研发和推广，采取“烧钱”模式，以提供更具成本效益的AI解决方案。

此次发布的Muse Spark 1.1也是Meta首个闭源收费模型，这标志着其从Llama系列的免费开源策略向收费闭源模式的转变，显示了其在AI市场争夺中的决心。

值得注意的是，同一天OpenAI也发布了GPT-5.6系列模型，其Luna模型输入成本仅为1美元，输出为6美元，价格较Fable 5降低了一半。这种价格战的出现，预示着AI领域的竞争将更加激烈，比拼的将是企业的财力支撑能力。Meta凭借广告业务的利润，有能力承受长期的成本消耗，而依赖融资的OpenAI和Anthropic则面临更大的资金压力。

Zuckerberg 发起的竞争，并非单纯的技术能力比拼，而是对企业财力的考验。