Meta推出迄今为止功能最强大的AI——Muse Spark，但Gemini 3.1 Pro仍然领先。

Meta于周三发布了Muse Spark，这是该公司打造的首款机型。 元超级智能实验室 ——该团队于九个月前在首席人工智能官亚历山大·王的领导下组建。 Meta以140亿美元收购Scale AI 目前该功能已在 meta.ai 和 Meta AI 应用上线，未来几周内将陆续登陆 Facebook、Instagram 和 WhatsApp。

这并非普通的聊天机器人升级或骆驼的新版本。Muse Spark原生支持多模态处理——它从底层构建图像、文本和语音处理能力，而非将视觉功能附加到现有的文本模型上。它具备可视化思维链、工具使用支持，以及Meta称之为“思考模式”的功能：该模式可并行运行多个AI代理，以解决更复杂的问题。这是Meta针对谷歌Gemini Deep Think和OpenAI GPT Pro等扩展思维模式的回应。

Meta在一份官方声明中写道：“Muse Spark是我们扩展规模的第一步，也是我们人工智能工作彻底改革后的首个产品。” 公告 “为了支持进一步扩展，我们正在对整个技术栈进行战略投资——从研究和模型训练到基础设施，包括 Hyperion 数据中心。”

该公司与超过1000名医生合作，为Muse Spark的医学推理功能收集训练数据。在HealthBench Hard（一项开放式健康查询基准测试）上，Muse Spark的得分高达42.8分，而GPT 5.4为40.1分，Gemini 3.1 Pro仅为20.6分。这绝非微不足道的差距。

在智能搜索（DeepSearchQA）测试中，Muse Spark 以 74.8 分领先，超过了 Gemini（69.7 分）和 GPT 5.4（73.6 分）。在 CharXiv 推理（理解科学论文中的图表）测试中，它的得分高达 86.4 分，是所有对比模型中的最高分。

对于那些热衷于破解人工智能的人来说，该模型在几分钟内就被破解了：

但优秀并不等同于卓越。整体基准测试结果显示，Gemini 3.1 Pro 在大多数类别中仍然领先。在抽象推理谜题基准测试 ARC AGI 2 上，差距最为明显：Gemini 的得分为 76.5，而 Muse Spark 的得分为 42.5。

在编码测试（LiveCodeBench Pro）中，Gemini 的得分为 82.9，超过了 Meta 的 80.0。在 MMMU Pro（多模态理解）测试中，Gemini 的得分为 83.9，而 Meta 的得分为 80.4。Meta 自己的博客也承认，目前在长时程智能体系统和编码工作流程方面存在性能差距。

此次发布还蕴含着一项显著的战略转变。Muse Spark 采用封闭模式——其架构和权重不会公开。这与以往的做法截然不同。 Llama 这为 Meta 在开源人工智能领域树立了声誉。但在今年早些时候 Llama 4 反响平平之后，Meta 似乎决定以不同的方式书写新的篇章。

该公司表示，希望未来能将 Muse 的版本开源，但目前代码仍保留在 Meta 内部。消息公布后，这家科技巨头的股价周三上涨近 9%，最终收盘上涨 6.5%，报 612.42 美元。

“思考模式”利用并行代理编排来提升模型的性能上限。在该配置下，Muse Spark 在“人类最后的考试”任务中达到了 58% 的正确率，在“前沿科学研究”任务中达到了 38% 的正确率——这一成绩使其能够与 Gemini 和 GPT 的最强版本相媲美，而非仅仅是它们的标准版本。

Meta 还推出了一款购物助手，可以比较产品并直接链接到购买页面，并计划在未来几周内将 Muse Spark 带到 Facebook、Instagram 和 WhatsApp 平台——紧随其后 相同的脚本 该功能自 Llama 3 版本起投入使用，用户已超过 35 亿。目前，部分开发者可访问私有 API 预览版。

该模型历时九个月构建完成，内部代号为 Avocado。Meta 声称，其新的预训练堆栈能够以比 Llama 4 Maverick 少 10 倍以上的计算量达到相同的能力水平。

Muse Spark 内部被描述为 Muse 系列中“小巧快速”的第一步。功能更强大的版本已经在开发中。