meta近日正式推出面向AI智能体的多模态推理模型Muse Spark 1.1版本，该版本在智能体协作、工具调用及复杂任务处理能力上实现显著突破。新模型通过优化多智能体分工机制，使主智能体能够高效拆解任务并分配至子智能体并行执行，大幅缩短了跨领域项目的处理周期。在长流程任务支持方面，模型上下文窗口扩展至100万token，可精准追溯早期决策依据并维持关键信息连贯性。
代码开发领域成为此次升级的重点方向。Muse Spark 1.1不仅具备自动诊断修复程序错误的能力，还能规划功能开发路径并执行大规模代码迁移。通过动态维护开发上下文，模型可确保长时间编码过程中的逻辑一致性。meta内部团队已将该模型应用于软件研发和模型评估工作，验证了其在复杂工程场景中的实用性。
应用操作层面，新模型展现出跨平台任务自动化能力。系统可根据操作场景智能选择交互方式，既能通过界面点击完成简单操作，也可生成脚本实现批量处理。这种自适应策略显著减少了人工干预需求，在财务分析、数据整理等场景中提升效率达40%以上。模型特别强化了对多步骤任务的流程规划能力，可自动生成可执行的操作序列。
安全性方面，meta依据《Advanced AI Scaling framework》框架完成全面风险评估。新版本在生化安全、网络防御及系统失控等维度均符合安全标准，同时增强了对提示词注入和越狱攻击的防御机制。通过优化训练数据筛选流程，模型产生的幻觉内容减少27%，对用户偏好的迎合倾向降低19%，显著提升了输出可靠性。
性能对比测试显示，Muse Spark 1.1在智能体协作、代码生成和逻辑推理等核心指标上较前代提升35%。但在特定电脑操作任务和长文本处理场景中，仍与GPT-5.5及Claude Opus 4.8存在差距。meta安全团队特别指出，新模型在风险识别准确率和置信度校准方面取得突破性进展，误报率较前代下降18个百分点。
该模型现已通过meta AI App和meta.ai平台开放Thinking模式体验，同时面向开发者推出Model API预览服务。开发者可借助标准化接口将Muse Spark 1.1集成至自有应用，享受实时推理和任务编排能力。meta工程团队透露，后续版本将重点优化多模态输入处理和实时学习机制，进一步拓展工业自动化和科研计算等垂直领域的应用场景。
