Meta发布多模态推理模型Muse Spark 1.1，强化AI智能体任务能力

IT之家 7 月 12 日消息，发布Meta 于 7 月 9 日正式推出面向 AI 智能体的多模多模态推理模型 Muse Spark 1.1。该版本核心聚焦于提升模型在智能体任务中的态推体任规划、协同与执行效能，理模力显著增强了工具调用、强化代码开发及复杂应用操作能力。发布

多智能体协作与长上下文支持

Meta 指出，多模Muse Spark 1.1 重构了多智能体协作机制。态推体任系统采用“主智能体统筹+子智能体执行”的理模力架构：主智能体负责信息收集与全局计划制定，随后将复杂任务拆解并分配给多个子智能体并行处理，强化从而大幅缩短长周期项目的发布处理耗时。

此外，多模模型支持高达 100 万 token的态推体任上下文窗口，确保在长时间工作流中能够精准保留关键信息，理模力并有效回溯调用早期阶段的强化数据。

自主应用操作与自动化

在应用交互层面，Muse Spark 1.1 具备跨应用执行长流程任务的能力。模型可根据具体场景智能选择执行策略：
* 直接模拟用户点击界面；
* 编写脚本实现自动化操作；
* 一次性整合多个操作步骤。

这种自适应机制旨在减少人工干预，显著提升执行效率。

代码开发辅助能力

针对软件开发场景，新版本强化了代码诊断与修复能力，能够处理复杂程序错误、开发新功能以及执行大规模代码迁移任务。模型支持提前规划开发路径、拆解子任务，并在漫长的开发周期中维持重要上下文的一致性。

目前，Meta 内部开发团队与研究人员已每日使用 Muse Spark 1.1 辅助软件开发及模型评测工作。

安全性与风险评估

Meta 强调，Muse Spark 1.1 已依据内部安全框架 《Advanced AI Scaling Framework》完成部署前评估。模型在化学与生物安全、网络安全及失控风险等前沿领域均被确认处于安全可控范围。

在防御能力方面，新版本显著提升了对提示词注入（Prompt Injection）和越狱攻击（Jailbreaking）的抵抗力，同时降低了模型幻觉（Hallucination）及迎合用户（Sycophancy）的倾向。

性能对比与市场表现

根据 Meta 内部 AI 安全治理框架的评估数据，Muse Spark 1.1 在智能体能力、代码开发及通用推理方面较前代有显著跃升，且在置信度校准、风险识别和欺骗倾向等指标上改善明显。

然而，在部分电脑操作、长上下文处理及代码开发测试场景中，其表现仍略逊于 GPT-5.5和 Claude Opus 4.8。

开放访问与 API 预览

目前，Muse Spark 1.1 已正式接入 Meta AI App及 meta.ai的 Thinking 模式。与此同时，Meta 同步面向普通开发者开放了 Meta Model API 预览版，允许开发者通过 API 调用 Muse Spark 1.1，并将其集成至自有应用中。

(责任编辑：休闲)