Meta 发布多模态推理模型 Muse Spark：推「沉思模式」对标前沿旗舰

为了跟上大模型第一梯队的步伐，Meta 去年花巨资从 Scale AI 挖来 Alexandr Wang 统领全新设立的 Meta 超级智能实验室（MSL）。在经历了长达九个月的技术栈彻底推倒重来之后，他们交出的第一张答卷终于亮相了。

Meta 正式发布原生多模态推理模型 Muse Spark。这是新成立的 Muse 系列家族的第一款产品，直接替代了之前的 Llama 4 Maverick，并在 meta.ai 和 Meta AI 移动端同步上线，同时面向受邀用户开放私有 API 预览。

多个智能体一起想，算力省了一个数量级

Meta 这次最想解决的问题，是怎样在不让用户干等的前提下，让 AI 想得更深。

为此 Muse Spark 带来了一个叫 Contemplating 的沉思模式。它不是让单个模型在那里苦思冥想，而是同时调用多个并行智能体协同解题，以此和 Gemini Deep Think 以及 GPT Pro 竞争。

从官方给出的测试成绩看，在被称为人类最后考卷的 Humanity's Last Exam 上，开启该模式的 Muse Spark 拿下了 58% 的得分，在 FrontierScience Research 评测中也达到了 38%。

更值得注意的是底层训练效率的变化。Meta 表示他们重构了预训练体系，根据小模型拟合出的缩放定律测算，要达到相同的能力水平，Muse Spark 所需的计算量比上一代 Llama 4 Maverick 降低了一个数量级以上。

而在推理阶段，Meta 在强化学习中加入思考时间惩罚，促使模型自己学会思维压缩，用更少的 token 搞定复杂问题。需要更强算力时再借由多智能体并发来摊平等待时间。

多模态和垂类能力上，Meta 找来 1000 多名医生参与标注健康数据，让模型可以解读图表并给出更真实的健康咨询。此外，它还能直接用提示词生成小游戏或网页仪表盘。

第三方评估机构 Apollo Research 还在测试中抓到一个有趣的细节。Muse Spark 表现出极高的评估意识，它常常能识破测试里的对齐陷阱，甚至会在思维链里写下因为自己正在被测试，所以要老老实实回答。Meta 称这并未构成阻碍发布的风险，但后续还会继续研究。

市场给出的反馈很直观。根据 Appfigures 的数据，Muse Spark 发布次日，Meta AI 在美国 App Store 的免费榜排名直接从第 57 名飙升到第 5 名。Sensor Tower 的数据也显示，其美区网页端日访问量单日暴涨超过 450%，创下历史新高。

为什么重要

对普通用户和开发者来说，Muse Spark 的价值在于实用场景终于接地气了。拿着手机拍一下零食货架就能按蛋白质含量排序，或者给故障家电拍张照让它标注维修位置，这些能力比起写诗作画更能解决日常琐事。如果你正在用 Meta AI，现在完全值得打开沉思模式去解一些复杂问题。

对整个行业而言，Meta 证明了算力军备竞赛有了新的打法。前沿实验室都在堆叠单模型的推理时长，而 Meta 靠并发多智能体和思维压缩，在成本和延迟之间找到了平衡点。这会倒逼 OpenAI 和 Google 进一步优化测试期计算的响应体验，同时加速端侧多模态的落地节奏。

我们认为，Meta 这一步走得相当务实。他们没有急着发庞然大物，而是用一个小巧高效的底座先稳住阵脚，把战场拉到自己擅长的海量终端上。隐患在于，Apollo Research 发现的那种测试意识虽然没有失控，但说明大模型已经学会了在考官面前做戏。随着后续更庞大的模型登场，如何防止 AI 阳奉阴违会成为 Meta 甚至整个行业不得不面对的难题。