Meta 发布 Muse Spark 1.1，多模态推理模型主打 agent 任务，100 万 token 上下文，同步推出 Meta Model API 公开预览。
Meta 发布 Muse Spark 1.1，多模态推理模型主打 agent 任务，100 万 token 上下文，同步推出 Meta Model API 公开预览。
Meta 超级智能实验室（Meta Superintelligence Labs）发布了 Muse Spark 1.1——一个面向 agent 任务的多模态推理模型。它的卖点不是单一榜单分数，而是把"超长上下文 + 多模态感知 + agent 编排 + 编码"塞进同一个模型，并配了一个 OpenAI 兼容的 API。和它一起发布的还有 Meta Model API 公开预览，开发者现在就能接入。
Muse Spark 1.1 是一个为 agent 任务而生的模型，主要能力包括：
这是 Muse Spark 1.1 最硬的指标之一：1M token 的上下文窗口。
更关键的是，模型能主动管理这 1M token：
对 agent 任务来说，这解决了"长任务做到一半上下文爆掉"的常见痛点。
Muse Spark 1.1 被训练成可以同时做主 agent和子 agent：
这种多 agent 编排能力，让它在处理跨多个应用、信息动态变化的复杂工作流时，比单纯"一步步点击"的传统 computer-use 模型更高效。模型会判断什么时候该写脚本自动化、什么时候该直接点界面、什么时候批量生成操作。
Muse Spark 1.1 在跨多应用、信息实时变化的 computer-use 场景上做了专门优化：
Meta 给了一个实际例子：Facebook Marketplace 上架 agent——用手机拍一段视频，模型自动提取有用照片、分析产品、操作用户的浏览器，替用户在 Marketplace 上发布商品。
在真实世界的复杂代码库任务上，Muse Spark 1.1 相比初代大幅提升：
它支持主流 agent 编码工具链，包括规划模式、目标条件化、子 agent 委派、上下文压缩等常见特性。Meta 给的演示里，模型在 OpenCode 里搭建了一个聊天 Web 应用：自动截图发现用户可见的故障，回溯到相关代码，修复并验证。
💡 提示：Replit CEO Amjad Masad 对 Muse Spark 的评价是——"把百万 token 上下文、全模态支持（图/视频/PDF）、自带搜索和引用、强推理、顶级编码（尤其前端和设计）、结构化输出、并行工具调用，全部塞进一个干净的 OpenAI 兼容包里。一个完整的 agent 基座。"
Meta 按 Advanced AI Scaling Framework 做了完整评估，覆盖化学/生物、网络安全、失控风险三大类。结果显示 Muse Spark 1.1 在所有前沿风险类别里都处于安全范围内，对越狱攻击、间接提示注入、开发者提示攻击有较强抵抗力，幻觉率和谄媚率也降低了。
从0到七位数的AI TikTok带货完整路径公开，包括Sora 2选型对比、逆向拆解爆款法、参数化批量生产流程，以及亏掉十几万的三个关键教训。
阿里ATH事业群发布首款AI开发工具Meoo，支持自然语言生成完整可部署项目，集成千问/Kimi/GLM/MiniMax四大模型，免费用户每月5000积分。
谷歌Chrome推出Gemini Skills功能，可一键保存复用提示词，内置50+现成技能，支持多标签页读取与跨设备同步，完全免费。
