Meta 推出了 Muse Spark 1.1，一款在多模态推理能力方面得到增强的 AI 模型，旨在提升 AI 智能体的任务执行效率。

Muse Spark 1.1 改进了多智能体协作的机制。其设计由一个主智能体负责信息搜集与规划，随后将任务分解并分派给多个子智能体并行处理，以此来缩短处理复杂项目的周期。此外，该模型支持高达 100 万 token 的上下文长度，使其能够在一个长期的工作流程中持续保留关键信息，并能调用早期阶段的上下文内容。

在应用交互方面，Muse Spark 1.1 能够跨多个应用程序执行连续的长流程任务。它能根据具体情境自主判断是直接进行界面点击操作，还是编写脚本实现自动化，抑或是一次性完成多个操作步骤，从而减少人工介入并提高效率。

就代码开发而言，新版本具备诊断和修复复杂程序错误、开发新功能以及执行大规模代码迁移的能力。模型还能够预先规划开发步骤、分解子任务，并在漫长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日常使用 Muse Spark 1.1 来辅助软件开发和模型评估工作。

Meta 同时强调了 Muse Spark 1.1 的安全性。据称，该模型已依据公司内部的安全框架《Advanced AI Scaling Framework》完成了部署前的评估，在化学与生物安全、网络安全以及失控风险等前沿领域均处于安全范围内。新版本还增强了对提示词注入和越狱攻击等威胁的防御能力，并减少了模型的幻觉现象和迎合用户偏好的倾向。

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较于前代模型有了显著进步。同时，在置信度校准、风险识别和欺骗倾向等评估指标上也表现出较大改善。然而，在部分电脑操作、长上下文处理以及代码开发测试中，其性能仍不及 GPT-5.5 和 Claude Opus 4.8。

目前，Muse Spark 1.1 已在 Meta AI App 和 meta.ai 的 Thinking 模式中上线。Meta 也同步面向普通开发者开放了 Meta Model API 的预览版本，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。