Meta 推出了 Muse Spark 1.1，一个在多模态推理方面有所增强的模型，旨在提升 AI 智能体执行任务的能力。
该新版本改进了多智能体协作的机制。在这一架构中，一个主智能体负责收集信息并规划任务，随后将任务分解并分派给多个子智能体并行处理，以此来缩短完成复杂项目所需的时间。此外，Muse Spark 1.1 支持高达一百万个 token 的上下文长度，这意味着它能在长期的工作流程中持续保留关键信息，并能够调取早期阶段的内容。
在应用操作层面，Muse Spark 1.1 能够跨越多个应用程序执行长流程任务。它能够根据具体场景自主判断，是直接与用户界面交互，还是通过编写脚本实现自动化，抑或是将多个操作步骤一次性完成，从而减少人工干预并提高效率。
对于代码开发，新版本能够诊断并修复复杂的程序错误，开发新功能，并且执行大规模的代码迁移。该模型还具备提前规划开发步骤、分解子任务的能力，并在长时间的开发过程中保持重要的上下文信息。Meta 透露，公司内部的开发人员和研究人员已开始每日使用 Muse Spark 1.1 来协助软件开发和模型评估工作。
Meta 特别强调了 Muse Spark 1.1 的安全性。该模型在部署前已根据内部安全框架《Advanced AI Scaling Framework》完成了评估，在化学与生物安全、网络安全以及失控风险等前沿风险领域均保持在安全水平。同时，新版本增强了对提示词注入、越狱攻击等攻击方式的防御能力，并减少了模型产生幻觉和迎合用户倾向的现象。
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相比其前代产品有了显著的进步。在置信度校准、风险识别和欺骗倾向等指标上，其表现也得到了较大改善。然而，在部分计算机操作、长上下文处理以及代码开发测试中，其性能仍落后于 GPT-5.5 和 Claude Opus 4.8。
目前，Muse Spark 1.1 已在 Meta AI App 和 meta.ai 的 Thinking 模式中可用。Meta 也同步面向普通开发者开放了 Meta Model API 的预览版，允许开发者通过该 API 调用 Muse Spark 1.1，并将其集成到自己的应用程序中。
