園丁的AI練習手記
回到首頁
[科技時事]2026-07-11閱讀時間 4 分鐘

【科技時事】Meta Muse Spark 1.1 發表,Meta 展現要持續競爭的宣示

#Meta#Muse Spark#AI Agent#多模態模型
【科技時事】Meta Muse Spark 1.1 發表,Meta 展現要持續競爭的宣示

這幾天 AI 圈非常熱鬧,各種模型消息接連不斷,包括影像模型、xAI 的 Grok 4.5,還有討論度極高的 OpenAI GPT 5.6。或許是因為 GPT 5.6 的光芒太過耀眼,Meta 最近發布的 Muse Spark 1.1 在社群上的討論篇幅相對較少。發現這個在 7 月 9 日正式發表的模型,展現了 Meta 在模型開發上也持續追趕,不願落於人後。

新聞重點:為「代理任務」而生的升級

根據 Meta 官方發布的資訊,Muse Spark 1.1 是一次重大的版本更新,其核心定位在於「多模態推理」與「代理任務(Agentic tasks)」。以下是這次發布的幾個技術規格:

* 代理能力與長文本: 模型具備 100 萬個標記(Tokens)的上下文視窗,並能協調多代理系統(Multi-agent systems)。能將複雜專案拆解,由主代理分配任務給子代理執行。

* 電腦操作(Computer Use): 也是本次的一大亮點。模型能跨應用程式操作,並具備判斷力:當自動化效率較高時會自行撰寫腳本,若直接互動較簡單則會進行點擊操作。

* 程式碼與多模態: 在 Meta 內部評測中,它在診斷複雜錯誤與大規模程式碼遷移方面表現優異。此外,它能處理視覺資訊,例如從影片中提取資訊並代為操作瀏覽器完成商品上架。

* 安全性: 通過先進 AI 擴展框架評估,針對網路安全、化學生物風險及提示詞注入攻擊具備強抵抗力。

目前 Muse Spark 1.1 已在 Meta AI 應用程式與 meta.ai 的「思考模式」上線,並同步開啟 API 公開預覽。

我的觀察:在強敵環伺下的定位

相較於 Muse Spark 1.0,這次 1.1 版本在能力上有實質的躍進。目前主流 AI 的競爭重點已經從單純的「文本生成」轉向「性價比」與「執行力(Agentic能力)」。有趣的是,現在業界似乎常把 Anthropic 的模型當作性價比較低的對照組,而 Meta 則試圖在效能與成本之間取得更好的平衡。

其次,關於模型梯隊的定位。我認為 Muse Spark 1.1 目前可能還跟 T1(第一梯隊)頂尖位置沾不上邊。如果拿它跟最新的 GPT 5.6 或 Fable 相比,Muse Spark 1.1 的實力體感上應該是略次於這些頂尖模型,但介於 Gemini 3.1 Pro 之間。在 Gemini 尚未釋出最新旗艦模型前,Meta 或是其他模型商可能都會將其作為一個低標的競爭標的(笑)。

而Muse Spark 1.0 雖然剛發表時有獲得一定的關注,但是後來的確討論聲量不高,1.1 版本的誕生更像是 Meta 在展現其模型實力。雖然它未必是當前最強,但對於日常使用與開發者構建代理應用來說,應該已經非常足夠,也是 Meta 向大家宣告仍要持續競爭的宣示。

文章圖片

值得繼續觀察什麼

1. Meta 的品牌戰略: Meta 將實驗室命名為「Superintelligence Labs(超智能實驗室)」,這顯示了他們不甘於只做開源貢獻者,更想在個人化 AI 助理市場取得一定成績。

如果你對這個模型有興趣,建議可以下載 Meta AI 的應用程式直接體驗看看。

原文連結:https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/

Read more

【科技時事】Meta 推出 Muse Glimmer:讓 AI 代理在你的電腦上跑起來
[科技時事]2026-08-113 分鐘

【科技時事】Meta 推出 Muse Glimmer:讓 AI 代理在你的電腦上跑起來

Meta 發表開源模型 Muse Glimmer (30B),採用 Apache 2.0 授權,專為個人電腦(Mac/PC)的本地 AI 代理工作流優化。具備多模態理解與錯誤恢復能力,並透過量化技術支援消費級顯卡運行。本文分析其技術亮點與本地 AI 在隱私、成本上的競爭優勢。

【科技時事】 與 Muse Code 同步推出的Muse Spark 1.2 能獲得更多使用者的青睞嗎?
[科技時事]2026-08-093 分鐘

【科技時事】 與 Muse Code 同步推出的Muse Spark 1.2 能獲得更多使用者的青睞嗎?

Meta 推出 Muse Code 與 Muse Spark 1.2 模型,這是一款專為終端機設計的編碼代理,具備處理長程任務與持久性子代理的特性。本文整理新聞重點,包含其 24 小時自主優化 GPU 核心的案例,並由作者分析 Meta 的低價數據戰略、開發者工作流的習慣鎖定,以及工程師核心能力的轉移趨勢。