文丨苏扬
编辑丨徐青阳
继 Llama 4 曝出基准刷榜丑闻、旗舰模型 Behemoth 项目搁置等问题之后，扎克伯格决定彻底推倒重来。
他曾砸下 140 亿美元挖人，亲自在帕洛阿尔托和太浩湖的豪宅里宴请顶级研究员，最终将前 Scale AI 首席执行官汪韬（Alexandr Wang）延揽麾下，主持成立 Meta 超级智能实验室（Meta Superintelligence Labs），并用九个月时间将整个 AI 技术栈从头重建。
美国当地时间 4 月 8 日，这场豪赌的第一张答卷正式亮相：Muse Spark。
这是 Meta 首款闭源大模型，告别了过去全面开源的路线，将直接为 Meta AI 助手提供支持，并以 API 私测形式向少数合作伙伴开放。
根据 Meta 内部基准测试，Muse Spark 在多项指标上超越了谷歌 Gemini，与 OpenAI 和 Anthropic 的同级模型互有胜负，并在大多数测试中大幅领先于 xAI 的 Grok。消息公布后，Meta 股价当日大涨 6.5%，市值达到 1.55 万亿美元。
扎克伯格在 Threads 上写道："我们计划持续发布更先进的模型，推动智能与能力的边界，包括新的开源模型。"这句话与他今年 1 月财报电话会议上的表态如出一辙。他早早管理了外界预期："我预计我们的第一批模型会很好，但更重要的是，它将展示我们所处的快速发展轨迹。"
01 领跑多模态和前沿科学基准测试
成绩单是检验重建成果最直接的标尺。
Meta 提供的基准测试图呈现了一份复杂的成绩单：有亮点，也有短板，这或许才是一款"起步款"模型最真实的面貌。
在多模态理解方面，Muse Spark 表现突出。图表理解测试 CharXiv Reasoning 中得分 86.4，领先 Opus 4.6（65.3）和 Grok 4.2（60.9），也高于这一项表现较好的 GPT 5.4（82.8）和 Gemini 3.1 Pro（80.2）。
具身推理 ERQA 测试中得分 64.7，同样优于 Opus 4.6 的 51.6。健康领域是 Muse Spark 的另一个显著优势：开放式健康问答 HealthBench Hard 中得分 42.8，远超 Opus 4.6 的 14.8、Gemini 3.1 Pro 的 20.6 和 Grok 4.2 的 20.3，是几家竞争对手中的最高分。
深思模式（Contemplating）的表现同样值得关注。在"人类终极考试"（Humanity's Last Exam）无工具版本中，Muse Spark 深思模式得分 50.2，超过 Gemini 3.1 Deep Think 的 48.4 和 GPT 5.4 Pro 的 43.9；启用工具后得分 58.4，超越 Gemini 3.1 Deep Think 的 53.4，与 GPT 5.4 Pro 的 58.7 基本持平。
在"前沿科学研究"（FrontierScience Research）测试中，Muse Spark 深思模式得分 38.3，不仅大幅领先 Gemini 3.1 Deep Think（23.3）和 GPT 5.4 Pro（36.7），更是几家中的最高分。这是衡量模型逼近真实科研边界的核心指标之一。
然而成绩单并非全面飘红。在抽象推理 ARC AGI 2 测试中，Muse Spark 得分 42.5，明显落后于 Opus 4.6（63.3）、Gemini 3.1 Pro（76.5）和 GPT 5.4（76.1）；智能体终端编程 Terminal-Bench 2.0 中得分 59.0，低于 Opus 4.6 的 65.4、Gemini 3.1 Pro 的 68.5 和 GPT 5.4 的 75.1；竞技编程 LiveCodeBench Pro 中得分 80.0，也落后于 Gemini 3.1 Pro 的 82.9 和 GPT 5.4 的 87.5。办公任务综合评估 GDPval-AA Elo 中，Muse Spark 得分 1444，低于 Opus 4.6 的 1606 和 GPT 5.4 的 1672。
MMMU-Pro 多模态理解测试中，Muse Spark 得分 80.4，介于 Opus 4.6（77.4）和 Gemini 3.1 Pro（83.9）之间，与 GPT 5.4（81.2）相近。博士级推理 GPQA Diamond 中得分 89.5，低于 Opus 4.6（92.7）、Gemini 3.1 Pro（94.3）和 GPT 5.4（92.8），差距较为明显。
这份成绩单的背景是" Muse 系列首款模型"。Meta 在发布文件中反复强调，更大规模的后续模型已在研发之中，当前结果的意义更多在于证明技术栈的规模化可行性，而非宣示性能天花板。
Meta 强在多模态感知与前沿科研推理，弱在抽象推理与智能体编程。这份有得有失的成绩单，或许比一份完美的跑分更能说明问题：Meta 的重建尚未完成，但方向已经清晰。
02 多智能体并行
Muse Spark 最引人注目的架构亮点，是多智能体并行编排机制与多模态感知能力的原生整合，二者共同构成了这款模型区别于竞争对手的核心底色。
当用户提出一个复杂问题，Meta AI 不再让单个模型"想清楚再回答"，而是同时派出多个子智能体分头行动。以规划一次佛罗里达家庭旅行为例：一个智能体负责起草总行程，另一个对比奥兰多和基韦斯特各自的利弊，第三个同步搜寻亲子友好型活动，三条线并行推进，最终汇总成一份更快、更完整的答案。
与此对应，Muse Spark 推出了"深思模式"（Contemplating mode），直接与 Gemini Deep Think 和 GPT Pro 的旗舰推理模式正面竞争。多智能体并行并不意味着更长的等待，它用横向扩展取代了纵向堆叠，在可比时延下实现了更优的综合表现。
大多数 AI 助手的局限在于只能理解用户输入的文字，Muse Spark 试图打破这一边界。拍下机场便利店货架，它能识别并筛选出蛋白质含量最高的零食，无需费力辨读食品标签；扫描一款商品，即可即时与同类产品横向比较。这种能力的本质转变，是 AI 从"等你解释世界"到"直接与你共同观察世界"。当这一能力搭载于 Meta AI 眼镜，感知的边界将进一步延伸，摄像头即是 AI 的眼睛。
健康是多模态能力最具现实价值的落地场景。Meta 与逾 1000 名医师合作策划训练数据，使 Muse Spark 能够就常见健康问题提供更准确、更全面的回应，涵盖图像与图表的解读。用户可获得交互式健康信息展示，直观呈现不同食物的营养成分或运动动作所激活的肌肉群，将枯燥的健康数据变成可视化的个人参考。
视觉编程能力同样值得一提。用户只需一条自然语言提示，即可直接生成可交互的网页应用或小游戏，数独、复古街机、飞行模拟器，乃至一个策划盛大惊喜派对的管理看板，均可一键分享给他人。这不再是"帮你写代码"，而是"帮你造产品"。
与 OpenAI 和 Anthropic 不同，Meta 手里握着一张任何外部 AI 公司都无法复制的牌：十亿级别的社交图谱与内容生态。Muse Spark 充分利用了这一独特资产。
购物模式整合了 Instagram、Facebook 和 Threads 上已有的创作者内容与品牌叙事，为用户提供穿搭建议、家居方案或礼物推荐，灵感来源不是冷冰冰的算法匹配，而是用户已在关注的真实社群。
当用户搜索某个地点或想了解某个热门话题，Meta AI 会在对话中同步呈现丰富而相关的背景信息。点击一个地点，即可看到当地居民的公开帖子；询问某件事的全貌，AI 会从社区内容中汇聚真实讨论动态，来自用户自己圈子的信息，在最需要的时刻触手可及。
这是一种与通用搜索截然不同的信息整合逻辑：数据源不是泛化的互联网，而是用户自己的社交世界。Meta 还透露，随着功能的持续扩展，Reels 短视频、图片与动态帖子将被直接织入对话答案，并附带对原创内容创作者的归因致谢，这既是对创作者生态的承诺，也是 Meta 区别于所有竞争对手的核心护城河。
扎克伯格对此的定义，是"个人超级智能"："一个不只回答问题，而是真正理解你世界的 AI，因为它本就建立在你的世界之上。"
03 三条规模化轴线：下一代已在路上
发布会的另一层信号，比产品本身更值得关注。Meta 首次系统性地公开了其规模化路线图的底层逻辑。
预训练：同等能力，十分之一的算力。过去九个月，Meta 从模型架构、优化方法、数据策划三个维度全面重构了预训练技术栈。
通过对一系列小模型拟合规模化定律，Meta 得出结论：与 Llama 4 Maverick 相比，Muse Spark 达到相同能力水准所需的训练计算量减少了一个数量级以上。这一效率优势，也使其在主流基础模型横向比较中脱颖而出。
强化学习：平滑增益，可预测泛化。大规模强化学习以训练不稳定著称，但 Meta 的新技术栈交出了平滑、可预测的增益曲线。
训练数据上 pass@1 与 pass@16 呈对数线性增长，表明强化学习在提升模型可靠性的同时，并未损害推理多样性；留存评估集上的准确率同步稳定提升，证明训练收益能够真实泛化到未见任务上——而不是 " 只会考试 "。
推理时计算："思维压缩"后再提速。强化学习训练使模型在回答前学会了"思考"，但向数十亿用户提供这一能力，对 token 效率提出了极高要求。
Meta 采用了两个关键手段：其一是思考时长惩罚项，在 AIME 等评测中触发了一个有趣的相变——模型先通过延长思考时间提升表现，随后长度惩罚触发"思维压缩"，以大幅减少的 token 数量完成同等难度的推理，之后再次延伸解题链路实现更强表现；其二是多智能体并行编排，在不显著增加响应时延的前提下，用横向扩展取代纵向堆叠。
从这三条轴线来看，Meta 在这份技术报告中着墨最多的，恰恰不是当前成绩，而是规模化的可预测性。这正是资本市场和生态合作伙伴最想看到的东西。
04 起点
Muse Spark 在设计上"以小巧、快速为先"，这不是能力不足的委婉说法，而是一种刻意选择的方法论。Meta 将 Muse 系列定位为严格递进式的扩展路线：每一代在前代基础上验证、突破，再向更大规模迈进。更大参数量的后续模型已在研发之中。
回到九个月前那个艰难的起点，Meta 用 Muse Spark 证明了两件事：技术栈在有效扩展，组织在重建之后重新凝聚了方向。
但 Meta 想要追赶 OpenAI、Anthropic 和谷歌 DeepMind 等主要竞争对手，仅凭一款"起步款"模型远远不够。该公司后续发布的其他系列模型，将决定扎克伯格的这场豪赌，究竟是翻盘，还是又一次代价高昂的重来。
特约编译无忌对本文亦有贡献