Meta 宣布推出 Muse Spark 1.1，一个在多模态推理能力方面得到增强的模型，旨在提升 AI 智能体的任务执行效率。

Muse Spark 1.1 改进了多智能体协作的机制。在这一新架构中，一个主智能体负责搜集信息和制定策略，然后将任务分解并分发给多个子智能体并行处理，从而显著缩短了完成复杂项目的周期。此外，该模型现在支持高达 100 万 token 的上下文长度，这意味着它能够在冗长的操作流程中持续记忆关键信息，并能够调用早期阶段的内容。

在应用交互方面，Muse Spark 1.1 能够跨越多个应用程序执行连续的长流程任务。它能根据具体情况自主判断是直接进行界面点击操作，还是编写脚本实现自动化，抑或是执行一系列复杂的操作步骤，以此来减少人工介入并提高工作效率。

对于代码开发领域，新版本能够诊断并修复复杂的程序缺陷，开发新的功能，并执行大规模的代码迁移任务。模型还具备提前规划开发流程、分解子任务的能力，并能在长期的开发过程中保持重要的上下文信息。Meta 透露，其内部的开发人员和研究人员已开始日常使用 Muse Spark 1.1 来协助软件开发和模型评估工作。

Meta 同时强调了 Muse Spark 1.1 的安全性。该模型在部署前已根据公司内部的安全框架《Advanced AI Scaling Framework》进行了评估，并在化学与生物安全、网络安全以及失控风险等前沿领域保持在安全阈值内。新版本也增强了对提示词注入和越狱攻击等威胁的抵御能力，同时减少了模型生成虚假信息和迎合用户偏好的倾向。

根据 Meta 内部 AI 安全治理框架的评估结果，Muse Spark 1.1 在智能体能力、代码开发和通用推理方面较前代产品有了显著进步。同时，在置信度校准、风险识别和欺骗倾向等指标上也有所优化。然而，在部分电脑操作、长上下文处理以及代码开发相关的测试中，其表现仍逊于 GPT-5.5 和 Claude Opus 4.8。

目前，Muse Spark 1.1 已集成到 Meta AI App 和 meta.ai 的 Thinking 模式中。Meta 也同步向普通开发者开放了 Meta Model API 的预览版本，允许开发者通过此 API 调用 Muse Spark 1.1，并将其整合到自己的应用程序中。