7月9日，Meta官方正式推出了Muse Spark 1.1版本，这是一款专门为AI智能体打造的多模态推理模型。简单来说，本次升级的核心方向非常明确：让模型在执行智能体任务时更擅长“规划”、更懂得“协同”，也更能“高效执行”——尤其是在工具调用、代码开发以及跨应用操作等关键维度，都实现了显著提升。

这次更新中最值得关注的，是多智能体协作机制的强化。Muse Spark 1.1现在采用了“主从分工”的架构：主智能体负责拆解任务、制定策略，然后将每个子任务派发给专门的子智能体并行执行。打个比方，不再是单人从头到尾包办，而是先规划好如何分解工作，再交给不同的小组同时推进——这样一来，处理复杂项目的周期自然就大幅缩短了。

另一个硬核指标是上下文窗口长度。Muse Spark 1.1支持最高100万token的上下文，这意味着在长时间的工作流中，它能够持续记住关键信息，甚至调用很早之前的上下文来辅助决策。对于需要“回溯历史”的长链条任务来说，这一特性非常实用。

应用操作方面，Muse Spark 1.1可以在多个应用之间持续执行长流程任务。它不再机械地按固定步骤执行，而是能根据场景自主判断：是直接操作界面？是编写脚本自动化？还是一次性完成多个操作步骤？目标只有一个——减少人工干预的频率，把执行效率提升到新高度。

代码开发能力的升级也非常扎实。新版本不仅能诊断并修复复杂的程序错误，还可以开发新功能，甚至执行大规模代码迁移。更值得一提的是，它会先在内部规划好开发步骤、拆解成子任务，然后在漫长的开发过程中始终保留关键上下文。Meta官方透露，公司内部的研究人员和开发者每天都在使用Muse Spark 1.1辅助软件开发和评测工作。

当然，安全方面的提升也是本次发布的重中之重。Muse Spark 1.1按照Meta内部的《Advanced AI Scaling Framework》完成了部署前评估，化学与生物安全、网络安全、失控风险等前沿风险领域，均控制在安全范围内。此外，模型对提示词注入、越狱攻击的抵抗能力也更强了，幻觉和迎合用户倾向的问题同样得到了改善。

从Meta内部的AI安全治理框架评估结果来看，Muse Spark 1.1在智能体能力、代码开发和通用推理方面，相较前代产品确实取得了明显进步；置信度校准、风险识别和欺骗倾向等指标也有大幅改善。不过，并不是所有方面都占优——在部分电脑操作、长上下文以及代码开发测试中，它的表现仍然落后于GPT-5.5和Claude Opus 4.8。

目前，Muse Spark 1.1已经在Meta AI App和meta.ai的Thinking模式中上线。同时，Meta首次面向普通开发者开放了Model API预览版，开发者可以通过API直接调用Muse Spark 1.1，集成到自己的应用中。如果你手头正好有智能体类的项目，不妨去体验一下。