Muse Spark

• 1. 概要 （共 256 字）

  Muse Spark 是 Meta 於2026年4月8日釋出的新一代AI模型，由新成立的 Meta Superintelligence Labs（MSL）開發。該模型是Meta閉源路線的首個產品，在醫療問答、圖表理解等領域表現突出，HealthBench Hard 得分遠超競品，Contemplating 深度推理模式在 HLE 基準測試中排名全球第三。但同時在抽象推理和編碼智慧體任務上存在明顯短板，與 GPT-5.4、Gemini 3.1 Pro 等頭部模型仍有差距。目前產品透過 meta.ai 網頁版免費開放使用，API 處於私有預覽階段。

• 2. 產品背景 （共 538 字）

  2025年6月，Meta 斥資143億美元收購了資料標註公司 Scale AI 的近半數股權，並挖來其聯合創始人、年僅29歲的 Alexandr Wang，出任公司史上第一位首席 AI 官。2025年7月，Meta 組建了全新的精英部門——Meta 超級智慧實驗室（Meta Superintelligence Labs，MSL），由 Alexandr Wang 全權負責，目標是打造面向個人超智慧的 AI 系統。   在此之前，Meta 的 AI 之路並不平坦。2024年釋出的 Llama 4 Maverick 在行業測評中表現不佳，Artificial Analysis 智慧指數僅獲18分，排名墊底。2026年4月8日釋出的 Muse Spark（內部代號“牛油果”）是 MSL 潛心九個月打造的全新大模型，也是 Meta 首次放棄開源路線，轉向閉源策略的產品。該模型的釋出標誌著 Meta 在 AI 領域的一次重大戰略轉向。   Meta Platforms Inc.（NASDAQ: META）是全球最大的社交網路公司之一，旗下擁有 Facebook、Instagram、WhatsApp 等核心產品。公司在 AI 領域的投入持續加大，2025年財報顯示 AI 相關研發投入已超過500億美元。Muse Spark 的釋出被視為 Meta 重新爭奪 AI 市場主導權的關鍵一步。

• 3. 產品功能與使用體驗 （共 492 字）

  Muse Spark 提供三大核心功能：首先是262K 超長上下文視窗，支援262,144個 token 的上下文長度，可完整分析大型程式碼庫、長篇法律文件或學術論文。其次是多模態統一輸入能力，原生支援文字、影象和語音的融合輸入，具備“視覺思維鏈”能力，可在動態環境中進行物體識別和影片分析。第三是沉思模式（Contemplating Mode），這是 Muse Spark 的核心差異化功能，支援多智慧體並行深度推理，可同時協調多個 AI 智慧體解決複雜科學和數學問題。   Muse Spark 提供三級推理模式：快速模式（Fast Mode）適合日常任務，響應速度快但推理深度有限；標準模式提供平衡的推理能力和響應速度；沉思模式消耗最多計算資源但提供最深度的推理能力，適合需要深度思考的科學和數學問題。   目前 Muse Spark 已接入 Meta AI 網頁版和應用，在未來幾周內將逐步擴充套件至 WhatsApp、Instagram、Facebook、Messenger 等 Meta 旗下產品。更值得注意的方向是，Muse Spark 將被嵌入 Meta 的智慧眼鏡產品中，實現類似 Google Gemini 深度融入 Google 產品生態的體驗。

• 4. 定價與商業模式 （共 293 字）

  meta.ai 網頁版 免費 已上線，無使用限制   API 介面 未公佈 私有預覽階段   Meta 表示 API 訪問目前僅向部分合作伙伴開放私人預覽，尚未公佈正式定價和公開發布日期。這一策略與 OpenAI 的 GPT 系列和 Google 的 Gemini 系列類似初期採用邀請制，後續逐步開放。   從產品定位來看，Muse Spark 主要面向三類使用者：首先是研究者群體，特別是醫療和科學領域的研究者，模型在 HealthBench 和 FrontierScience 基準測試中的表現優異；其次是企業使用者，DeepSearchQA 和 GDPval-AA 等辦公綜合任務表現突出；第三是普通使用者，可透過免費的 meta.ai 網頁版體驗基礎功能。

• 5. 使用者評價 （共 358 字）

  從行業反饋來看，Muse Spark 獲得了一定程度的認可。醫療領域從業者對模型在醫學問答上的表現給予高度評價，HealthBench Hard 得分42.8分，是 Claude Opus 4.6 的近三倍。多模態圖表理解能力獲得積極反饋，CharXiv Reasoning 86.4分顯著領先競品。Contemplating 深度推理模式被評價為“最具創新性的推理架構”，在 HLE 基準測試中排名全球第三，展現了計算資源堆疊後的巨大潛力。   然而，批評聲音同樣明顯。抽象推理能力存在代差，ARC-AGI-2 得分42.5分，與頭部模型的77.1分差距超過20分，被評價為“存在明顯的能力缺口”。編碼智慧體任務全面落後，Terminal-Bench 2.0 排名五家最後。部分多模態任務表現不佳，ZeroBench 得分33.0分，是五家模型中最低的。

• 6. 行業評價 （共 333 字）

  TechCrunch 評價稱這是 Meta 自 Alexandr Wang 加入以來發布的首款模型，代表了“從根本上重建 AI 技術棧”的努力。騰訊新聞報道指出 Meta 股價在訊息公佈後應聲上漲6%，市場對這款產品寄予厚望。知乎專欄文章分析認為 Muse Spark 標誌著 Meta 從 Llama 開源時代向閉源時代的戰略轉型。   行業分析指出 Muse Spark 的核心優勢在於醫療和圖表理解兩個垂直領域，但整體競爭力尚未達到挑戰頭部模型的水平。DataLearnerAI 的評測分析認為該模型是一個“特定領域領先、整體跟隨”的產品，Contemplating 模式是最值得關注的差異化亮點，但要想在綜合能力上與 GPT-5.4 和 Gemini 3.1 Pro 競爭，仍需在抽象推理和編碼智慧體兩個短板上持續投入。

• 7. 爭議與風險 （共 329 字）

  Meta 曾是開源大模型的旗手，Llama 系列模型以開放權重著稱，推動了全球 AI 開源社群的發展。Muse Spark 轉向閉源引發了關於 Meta 是否“背棄”開源社群的討論。部分開發者社群成員表達了不滿，認為 Meta 現在“既要閉源賺錢，又要開源社群貢獻程式碼”。   Muse Spark 在部分關鍵基準測試中的表現與頭部模型存在兩位數的差距，特別是在 ARC-AGI-2 抽象推理和編碼智慧體任務上。這不僅影響產品在開發者心中的地位，也可能在企業採購決策中成為阻礙。Meta 需要在下一代產品中快速彌補這些短板。   目前 API 處於私有預覽階段，尚未公佈正式定價。市場擔憂其定價可能對標 OpenAI GPT-5 和 Google Gemini Pro 級別，對於個人開發者和小型團隊而言可能門檻較高。

• 8. 適用人群與使用建議 （共 429 字）

  Muse Spark 最適合三類使用者：醫療領域從業者（如醫生、醫學研究者、醫療 AI 開發者）將獲得最佳體驗，這部分使用者在 HealthBench 和 MedXpertQA 上的表現遠超競品；需要圖表理解能力的資料分析師和科研人員也將受益，CharXiv Reasoning 86.4分是當前最高水平；深度推理需求的學術研究者可以使用 Contemplating 模式處理複雜科學和數學問題。   對於需要強編碼能力的軟體工程師，Muse Spark 在 Terminal-Bench 和 SWE-bench 上的表現落後於競品，建議選擇 GPT-5.4 或 Claude Opus 4.6。對於需要強抽象推理能力的使用者，ARC-AGI-2 得分與頭部存在代差，不建議作為首選。對於需要完整 API 支援的企業使用者，建議等待 API 正式釋出並進行成本評估後再做決定。   競品選擇包括：GPT-5.4（綜合能力強，適合開發者）、Gemini 3.1 Pro（Google 生態整合深入、Claude Opus 4.6（編碼能力突出）。

• 9. 總結 （共 152 字）

  Muse Spark 是 Meta 在 AI 領域的一次重要嘗試，憑藉醫療問答和圖表理解兩個垂直領域的突出表現，展示了差異化競爭的潛力。但綜合能力上與 GPT-5.4、Gemini 3.1 Pro 仍有差距，特別是在抽象推理和編碼智慧體兩個維度。對於醫療和科研使用者這是一款值得關注的產品，對於追求全面能力的使用者建議繼續觀望。

暫無深度報告

• 

  譚君靜

  —

  試了一下meta.ai上的Muse Spark，影象分析功能太強了，能準確識別圖片中物體的位置和數量，這對科研黨來說太香了！

---

• 

  姜萱

  —

  免費版還要什麼腳踏車，meta.ai直接能用，還要啥GPT-5

---

• 

  MsNeeaKalas_x

  —

  對比了Claude Opus 4.6和GPT-5.4，Muse Spark在醫療問答上確實領先，但編碼能力還是有差距，Terminal-Bench 2.0表現拉胯。

---

• 

  Cynthia_Hicks_20227

  —

  Arc AGI-2得分42.5，和頭部77分差距20+，這波屬於是還沒完全體的狀態。

---

• 

  COpet

  —

  閉源了，開發者社群一片哀嚎，之前用Llama系列用得好好的，突然就不開源了。

---

• 

  O0YMFWFO

  —

  262K上下文太香了，塞一整本小說進去做分析完全沒問題。

---

• 

  MiaMiller

  —

  沉模式（Contemplating Mode）確實牛，HLE排名第三，推理能力比標準模式強不是一點半點，就是推理時間太長了，等得花兒都謝了。

---

• 

  oxalvddc5

  —

  用了兩天，感覺CharXiv圖表理解86.4分不是白給的，看論文pdf特別準。

---

• 

  koFIS

  —

  測了影象生成，能準確檢測影象中的物體和位置，visual_grounding工具很好用！

---

• 

  Amy304

  —

  Python執行環境帶pandas和numpy，做資料分析很方便。

---

• 

  joGUT

  —

  Meta這波轉型閉源，不知道葫蘆裡賣的什麼藥。

---

• 

  Amanda_Jones722

  —

  HealthBench Hard 42.8分吊打Claude Opus 4.6的14.8，醫療領域yyds！

---

• 

  月光_24

  —

  API還處於私人預覽階段，開發者還需要再等等。

---

• 

  GRcox

  —

  從18分到52分，Meta算是把Llama 4的債還上了。

---

• 

  Eagl_eEdgeHolm

  —

  Meta股價漲6%，資本市場的反應比開發者社群真實多了。

---

• 

  KPerez_88

  —

  和GPT-5.4、Gemini 3.1 Pro對比了一下，各有勝負吧，醫療和圖表理解是強項。

---

• 

  324slm

  —

  多模態統一輸入架構確實有點東西，不是後期拼接的。

---

• 

  CMoore

  —

  Meta從開源到閉源，這次是真的變天了。

---

• 

  JacobButler

  —

  Alexandr Wang加入後首個作品，143億美元沒白花！

暫無評論