Meta发布Muse Spark 1.1多模态推理模型：百万token上下文、工具调用领先，API已开放预览

一句话看懂

Meta发布Muse Spark 1.1，一款百万token上下文的闭源多模态推理模型，在工具调用上领先Opus 4.8和GPT-5.5，但编码能力稍逊，现已通过Meta Model API提供预览。

详细发生了什么

2026年7月9日，Meta Superintelligence Labs正式发布Muse Spark 1.1，并同步开放Meta Model API的公开预览。这是Meta首次以闭源、托管、按token计费的方式提供其前沿模型，此前Meta模型多以开放权重形式发布。

Muse Spark 1.1被描述为专为智能体（agentic）任务构建的多模态推理模型。核心特性包括：100万token上下文窗口（API文档标为1,048,576），模型可主动压缩和检索早期信息；支持零样本泛化到新工具、MCP服务器和自定义技能；具备多智能体委派能力，主智能体可并行委派子智能体执行任务。输入支持文本、图像、视频和文档，输出为文本。API还提供结构化输出、并行tool calling、Files API和prompt caching。

定价方面，开发者需支付$1.25/百万输入token和$4.25/百万输出token，新账户获$20免费额度。消费者可通过Meta AI应用或meta.ai免费使用“思考”模式。初始预览仅限美国，暂不支持欧盟。

性能上，Meta发布的基准测试表显示：Muse Spark 1.1在工具使用（MCP Atlas Scaled tool use 88.1%）和工具增强推理（Humanity’s Last Exam Reasoning with tools 62.1%）上领先Opus 4.8、GPT-5.5和Gemini 3.1 Pro；但在编码基准SWE-Bench Pro（61.5%）和DeepSWE 1.1（53.3%）上落后于Opus 4.8和GPT-5.5；视觉推理BabyVision（76.3%）排第三。

中文圈视角

对中文开发者而言，Muse Spark 1.1的发布有几个值得关注的要点：

可用性与平替：目前API仅限美国，国内用户直接使用需要梯子且存在合规风险。国产模型如DeepSeek、Kimi、智谱GLM等已在工具调用和长上下文上表现不俗，且无需翻墙。例如DeepSeek-V2的128K上下文和工具调用能力已接近Muse Spark 1.1，但百万token上下文仍是显著优势。
闭源vs开源：Meta此前以开放权重著称（如Llama系列），但Muse Spark 1.1选择闭源，意味着无法本地部署或微调。这对国内注重数据隐私的企业是个限制，而国产开源模型（如Qwen2、Yi系列）仍可自由定制。
应用场景：Muse Spark 1.1的强项是智能体编排，适合自动化工作流（如多步骤浏览器操作、代码调试）。国内类似场景目前多依赖OpenAI API或国产模型的function calling，但百万token上下文和主动压缩能力可能带来更流畅的长对话体验。
价格对比：$1.25/百万输入token约合人民币9元，与GPT-4o（$2.5/百万输入）相比便宜，但国产模型如DeepSeek-V2仅¥1/百万token，价格优势明显。

几条值得记住的细节

Muse Spark 1.1在Meta报告的MCP Atlas Scaled tool use基准上得分88.1%，领先Opus 4.8（82.2%）和GPT-5.5（75.3%）。
上下文窗口为1,048,576 token，模型会主动压缩和检索早期信息，而非简单截断。
API兼容OpenAI SDK，只需更改base_url即可迁移，降低了切换成本。
定价：输入$1.25/百万token，输出$4.25/百万token，新用户获$20免费额度。
预览仅限美国，欧盟暂不可用，全球扩展时间未公布。

一句话总结

Muse Spark 1.1是Meta在智能体领域的一次重要布局，工具调用能力突出，但编码和视觉推理仍落后竞品，且闭源和地域限制对中文用户不友好。