7 月 9 日，Meta 做了两件事：发布了 Muse Spark 1.1，一个面向自主执行任务的多模态推理模型；同时推出了 Meta Model API 的公开预览——这是 Meta 历史上第一次向开发者收取 AI 模型访问费。扎克伯格在接受彭博采访时称之为"我们第一次做一个真正严肃的 API"，并承诺"定价会非常激进、非常有吸引力"。
Muse Spark 1.1 的 API 定价为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元。相关报道将其概括为部分同类模型价格的四分之一，低于前一天由 Cursor 与 xAI 联合发布的 Grok 4.5；实际费用仍取决于所比型号及输入、输出比例。每个新 API 账户还附带 20 美元免费额度。低价由此成为 Meta 吸引 API 开发者的一项主要策略。
模型支持多工具任务，API 兼容两家主流接口格式
从技术角度看，Muse Spark 1.1 是 Meta Superintelligence Labs（MSL）自今年 4 月推出初代 Muse Spark 以来的首次重大升级。Meta 将其定位为"Meta 最强的 agentic 与编程模型"，并列出以下能力：
- 多智能体编排：可作为主 agent 收集上下文、制定计划、将任务委派给并行子 agent；也可作为子 agent 理解可用工具并在需要时向主 agent 请求处理
- 1M token 上下文窗口：模型主动管理并压缩上下文——丢弃过时信息，保留长工作流所需的关键步骤
- 计算机使用：跨多应用执行桌面自动化，在"写脚本自动化"和"直接点击操作界面"之间自主判断
- 原生多模态：同时理解文本、图像、视频和文档
- 零样本工具泛化：对从未见过的 MCP 服务器和自定义技能可直接使用
产品接入方面，Meta Model API 同时兼容 OpenAI SDK（Chat Completions 和 Responses 格式）和 Anthropic Messages 格式。开发者可沿用熟悉的请求格式，更改 base URL 和 API key 后开始适配；具体工具行为和功能差异仍需测试。这种兼容设计旨在降低从其他供应商迁移的成本。
Meta 公布的成绩中，工具使用领先，编码和视觉推理有差异
Meta 公布的成绩中，Muse Spark 1.1 在不同任务上的相对排名并不一致。这些数据既有厂商测试结果，也有来自评测机构或榜单的成绩。
在 agent 和工具使用类评测上，Muse Spark 1.1 在下列比较中领先：
| 基准测试 | Muse Spark 1.1 | Opus 4.8 (max) | GPT-5.5 (xhigh) | Gemini 3.1 Pro |
|---|---|---|---|---|
| MCP Atlas（规模化工具使用） | 88.1 | 82.2 | 75.3 | 78.2 |
| JobBench（专业工具使用） | 54.7 | 48.4 | 38.3 | 15.9 |
| Humanity's Last Exam（带工具推理） | 62.1 | 57.9 | 52.2 | 51.4 |
但在以下编码和视觉推理测试中，Muse Spark 1.1 的排名为第二或第三：
| 基准测试 | Muse Spark 1.1 | Opus 4.8 (max) | GPT-5.5 (xhigh) |
|---|---|---|---|
| SWE-Bench Pro（软件工程） | 61.5 | 69.2 | 58.6 |
| DeepSWE 1.1（长周期编码） | 53.3 | 59.0 | 67.0 |
| BabyVision（视觉推理） | 76.3 | 81.2 | 83.6 |
相关报道还列出了 Terminal-Bench 2.1 的比较：Muse Spark 1.1 得分 80.0，落后于 GPT-5.6 的 83.4 和 Opus 4.8 的 82.7。这套基准由第三方设计，但不能据此认定所有成绩都经过独立第三方实测。工具使用成绩也不能直接代表所有编程任务的表现。
在 MCP Atlas（规模化工具使用）上 88.1 的得分尤为值得关注，比 Opus 4.8 高 5.9 分，与 Meta 强调多工具工作流的定位一致。对于构建 agent 系统的团队来说，应根据实际任务判断这一指标与 SWE-Bench 各自的参考价值：许多企业 agent 需要在 CRM、广告 API、电子表格和研究工具之间持续操作，单次代码生成成绩难以覆盖这些需求。
Meta 扩展付费服务，后续开放权重计划尚未明确
Muse Spark 1.1 的收费，给 Meta 增加了直接向使用模型的开发者收费的渠道。Meta 此前通过 Llama 系列建立了"开源 AI 旗手"的形象——权重免费发布、开发者按许可条款使用、构建生态优先。Muse 系列（包括 7 月 7 日发布的 Muse Image 和 Muse Video）虽然从一开始就是闭源产品，但直到 1.1 版本才开始收费。
这一转向发生在 Alexandr Wang 执掌 MSL 的背景下。2025 年，Meta 以 143 亿美元收购了 Scale AI 49% 的无投票权股份，并任命 Wang 为首席 AI 官。Wang 重组了公司 AI 团队，将其整合为 Meta Superintelligence Labs。Fortune 报道称，重组过程并非一帆风顺——员工经历了频繁的组织调整，扎克伯格随后在 3 月又创建了 Applied AI 单元，抽调工程师从事被部分人视为"枯燥"的数据收集工作。
从 4 月 Muse Spark 首次亮相到 7 月 Muse Image、Muse Video 和 Spark 1.1 集中发布，MSL 的产品节奏明显加速。首批 API 合作伙伴包括 Replit、Cline 和 Box——三家提供 AI 编程或企业工作流产品的公司。
目前尚不明确的是，Meta 是否会继续发布 Llama/Muse 系列的开放权重，或者这次 API 收费是否意味着整体策略转向闭源。Meta 博客中没有提及权重发布计划。低价 API 与开放权重可能服务不同需求；Meta 后续怎样安排两者，仍需等待具体产品和许可计划。
OpenAI、xAI 与 Meta 同周更新，争夺编程和工具调用需求
Muse Spark 1.1 发布时，另外两家主要竞争对手也在更新产品。按 Cursor 的发布公告，7 月 8 日它与 xAI 联合推出 Grok 4.5。7 月 9 日，OpenAI 发布 GPT-5.6 系列和 ChatGPT Work，Meta 则发布 Spark 1.1。三家公司在一周内更新了各自面向自主任务的旗舰模型，产品侧重点有所不同：
- OpenAI 走的是"模型升级 + 产品升级"路线：GPT-5.6 三款模型提升底层能力，ChatGPT Work 则提供新的工作产品形态
- xAI 走的是"低价 agentic 模型"路线：Grok 4.5 同样主打低价格和 agent 场景
- Meta 强调低价与接口兼容：报道中的价格比较约为部分对手的四分之一，SDK 格式兼容则有助于减少适配工作
按前述报价比较，Meta 定价低于 OpenAI、Anthropic 的部分模型，也低于 Grok 4.5。Meta 的广告业务为其提供了其他收入来源，可能使它有更大空间维持低价；这不等于公司已披露 API 补贴安排，也不能单凭报价判断长期成本优势。
公开预览仅限美国，采用前还需测试功能和权限控制
几件事值得在采用前审慎评估。首先，公开预览仅限美国开发者——欧洲和亚洲团队暂时无法通过官方 API 访问。其次，上表由 Meta 汇总发布，包含厂商自测和外部成绩；各模型的测试设置未必完全相同，采用前仍需结合自己的任务验证。第三，"公开预览"意味着定价、速率限制和可用性可能在正式发布前调整。第四，Muse Image 本周因允许用户对他人 Instagram 公开照片进行 AI 编辑而引发的争议提醒我们，Meta 在 AI 产品治理上的挑战远未结束——Spark 1.1 的 agentic 能力（包括计算机使用和浏览器自动化）可能引发类似的权限边界问题。
Muse Spark 1.1 的相对优势集中在部分工具使用测试，Meta 则通过较低报价和接口兼容吸引开发者。付费 API 为现有客户增加了一个供应商选项，能否推动大规模迁移，还取决于实际任务表现、服务稳定性和迁移成本。
