Meta今日正式推出其全新旗舰大语言模型Muse Spark 1.1，此次更新聚焦于一个日益受瞩目的领域——多智能体自动化工作流。简而言之，即让多个AI智能体协同分工，一个负责统筹规划，其余负责具体执行，共同完成复杂的多步骤任务。

目前，Muse Spark 1.1已正式上线Meta自家的AI聊天服务，同时通过应用程序接口向开发者开放使用。借助Meta Model API，开发者能够将该大语言模型集成至自有软件中，目前该API正处于公开预览阶段。

多智能体自动化工作流的具体运作方式是什么？典型场景如下：一个主智能体首先制定任务执行计划，随后多个子智能体分别认领任务并执行。当遇到突发状况时，Muse Spark 1.1能够识别并响应执行过程中的意外事件，必要时动态调整计划，而非机械地沿原路线推进。

然而，这类任务通常步骤繁多、数据量庞大，智能体在执行过程中会产生海量数据。一旦数据量超出底层大语言模型的上下文限制，部分信息便不得不被丢弃，输出质量自然会受到影响。Muse Spark 1.1应对此挑战的策略是采用上下文压缩机制。据Meta介绍，该机制在压缩智能体生成数据的同时，尽可能保留关键信息，从而在子任务间传递数据时，仍能调取“更早期工作阶段的信息”。值得一提的是，该模型的上下文窗口高达100万Token，容量相当充裕。

上下文压缩结合多智能体设计，使Muse Spark 1.1在代码生成方面表现尤为突出。Meta工程师在内部测试中仅提供一个提示词，要求模型生成一款聊天应用，结果模型不仅对程序界面进行了截图分析，还精准定位了多个技术问题所在的代码片段，并成功修复了这些问题。

在Vibe Code Bench v1.1编程基准测试中，Muse Spark 1.1取得了72.2分，较Meta上一代旗舰大模型领先超过50分。在另一项名为SWE-Atlas Codebase QnA的测试中，其得分也提升了近18%。这些数据充分表明，该模型在代码理解与生成方面确实下了大量功夫。

话说回来，这些让模型擅长代码生成的特性同样适用于其他场景。例如，Muse Spark 1.1可根据产品视频自动生成电商商品详情页，代替用户完成餐厅点餐，还能处理其他多步骤任务。简言之，它的能力不仅局限于编程，而是可以扩展到各种需要多步推理与执行的任务中。

开发者通过Meta Model API访问Muse Spark 1.1，推测其运行在Meta自有的基础设施上。路透社今日报道称，Meta计划明年将数据中心容量提升至14吉瓦，该计划的核心是Meta内部研发的AI芯片Iris，预计将于9月进入量产阶段。

这款Iris很可能就是今年3月Meta预览过的定制AI处理器MTIA400。其高带宽内存相比上一代增加了51%，同时支持AI模型用于存储数据的MX8和MX4两种格式的增强版本。Meta表示，MTIA400的性能比前代提升了400%。

自研芯片让Meta在Meta Model API之外获得了更多企业级产品拓展的可能性。理论上，Meta可以推出MTIA芯片与Muse Spark 1.1相结合的本地推理一体机。目前，其他超大规模云服务商已开始向第三方数据中心运营商开放定制AI芯片，Meta显然也不甘落后。

Q&A

Q1：Muse Spark 1.1的上下文压缩机制是如何工作的？

A：Muse Spark 1.1的上下文压缩机制能够在智能体执行任务过程中，对产生的大量数据进行压缩处理，同时最大程度地保留关键信息。当任务数据量超出模型上下文限制时，该机制可避免重要信息被丢弃，并支持在子任务之间调取早期工作阶段的数据，从而保障输出质量。该模型的上下文窗口为100万Token。

Q2：Muse Spark 1.1在编程测试中表现如何？

A：在Vibe Code Bench v1.1编程基准测试中，Muse Spark 1.1获得72.2分，比Meta上一代旗舰大语言模型领先超过50分；在SWE-Atlas Codebase QnA测试中，得分提升近18%。内部测试还显示，该模型能够根据提示词生成聊天应用，并自主发现和修复代码中的技术问题。

Q3：Meta的自研AI芯片MTIA400有哪些升级？

A：MTIA400是Meta预计于9月量产的定制AI处理器，也被称为Iris。与上一代产品相比，其高带宽内存增加了51%，支持AI模型数据存储格式MX8和MX4的增强版本，整体性能提升400%。Meta未来可能基于该芯片推出结合Muse Spark 1.1的本地推理一体机等企业级产品。