Meta发布Muse Spark 1.1：多智能体协同升级，百万上下文支持长时任务

7月13日，Meta正式推出适用于AI智能体的多模态推理模型Muse Spark 1.1版本，重点提升了模型在智能体任务中的规划、协同与执行能力，并增强了工具调用、代码开发与跨应用操作能力。这是Meta超级智能实验室成立后推出的第二款文本推理模型，距离初代Muse Spark发布仅三个月。

Muse Spark 1.1在多智能体协同机制上进行了关键增强。模型可通过主智能体负责信息收集与任务规划，再将复杂任务拆分为子任务，分配给多个子智能体并行执行，从而缩短复杂项目的处理时间。

结合最高100万token的上下文窗口，模型能够在长时间工作流程中持续保留并调用早期关键信息。多智能体系统也是Meta对AI智能体长期战略的核心——模型可在系统中担任主智能体协调任务，或作为子智能体独立执行专项任务。

在应用操作层面，Muse Spark 1.1能够在多个应用之间持续执行长流程任务，并具备自主判断能力——根据场景选择直接点击界面、编写脚本进行自动化，或一次性完成多个操作步骤，以减少人工干预并提升执行效率。

在代码开发方面，新版本可诊断并修复复杂程序错误、开发新功能以及执行大规模代码迁移任务。模型能提前规划开发步骤、拆分子任务，并在长时间开发过程中保留重要上下文。Meta表示，内部开发人员和研究人员已每天使用Muse Spark 1.1辅助软件开发和模型评测。

安全性方面，Muse Spark 1.1已按照Meta内部安全框架完成部署前评估，在化学与生物安全、网络安全及失控风险等前沿领域均维持在安全范围内。新版本还提升了对提示词注入、越狱攻击的抵抗能力，并降低了模型幻觉和迎合用户倾向。

据Meta内部AI安全治理框架评估，Muse Spark 1.1在智能体能力、代码开发和通用推理方面相比前代明显提升，但在部分电脑操作、长上下文及代码开发测试中仍落后于GPT-5.5和Claude Opus 4.8——结合此前发布时Meta承认的性能差距，此次升级更多被视为对追赶路径的验证，而非超越。