在沉寂了将近一年之后，Meta 终于端出了一道让行业侧目的大菜。

4 月 8 日，Meta 正式发布旗下最新旗舰 AI 模型 Muse Spark，将其定性为 " 从零开始的全面改造 " ——这是 Meta 全新成立的超级智能实验室（Meta Superintelligence Labs，下称 MSL）对外发布的首个公开模型，也是扎克伯格为重夺 AI 桌上一席之地而打出的最重要一张牌。

Muse Spark 的诞生，是 Meta 对自身 AI 战略一次彻底的自我否定与重构。

过去两年，Meta 在 AI 赛道上的形象相当尴尬：Llama 系列虽然凭借开源策略在生态圈积累了口碑，但无论是产品完成度还是模型性能，都被 OpenAI 的 ChatGPT、Anthropic 的 Claude 远远甩在身后。扎克伯格曾公开承认自己对 Meta AI 进度不满意，并下定决心启动一场全面革新。

过去 9 个月里，Meta 重建了整个 AI 技术栈，包括训练基础设施、推理架构和数据策略。Muse Spark 不是在旧基础上修修补补，而是真正意义上的 " 新生 "。用 Meta 自己的话说，这是 " 我们扩展阶梯的第一步 " ——言下之意，Muse 系列之后还有更多。

新大脑，新团队

重建的不只是技术，还有人。

去年，Meta 宣布成立超级智能实验室，并以 143 亿美元投资入股 AI 数据公司 Scale AI，获得 49% 股权，并任命 Scale AI 创始人Alexandr Wang 担任 Meta 首席 AI 官，主导这场重建工程。与此同时，Meta 从 OpenAI、Anthropic、Google 大批挖角顶尖研究人员，以业界罕见的薪酬体系重组了 AI 核心团队。

这一系列动作的信号再明确不过：扎克伯格要玩真的了。

从独立第三方评测机构 Artificial Analysis 的数据来看，Muse Spark 在综合智力指数（Intelligence Index）上得分 52，全球排名前五，仅次于谷歌 Gemini 3.1 Pro Preview、OpenAI GPT-5.4 和 Anthropic Claude Opus 4.6，大幅超越 Meta 此前最强模型 Llama 4 Maverick（18 分）。

具体能力维度上：

视觉理解（MMMU-Pro）：得分 80.5%，全球第二，仅次于 Gemini 3.1 Pro Preview 的 82.4%；

推理与指令遵循（HLE 评估）：得分 39.9%，位居第三；

科学推理（CritPT 物理研究题）：得分 11%，超越 Claude 4.6 Sonnet（3%）和 Gemini 3 Flash（9%）；

" 人类终极考试 "（Humanity's Last Exam）：借助外部工具时达到 58.4 分的高水准。

值得关注的是，Muse Spark 在达到顶尖性能的同时，令牌消耗效率极高，仅使用约 5800 万输出令牌，与 Gemini 3.1 Pro Preview 相当，远低于 Claude Opus 4.6 的 1.57 亿和 GPT-5.4 的 1.2 亿。效率与性能兼顾，是 Muse Spark 在架构层面的重要突破。

Meta 自己也坦承，在 " 长视野代理系统和编码工作流 " 领域仍存在一定差距，这也是未来需要持续补强的方向。

两种模式：快与深的平衡

Muse Spark 上线后，Meta AI 应用同步推出两种工作模式：

即时模式（Instant）：针对日常对话和简单问题，追求快速响应；

沉思模式（Contemplating）：面对复杂任务时启动，可协调多个 AI 子智能体并行推理，在保持相近延迟的同时大幅提升输出质量。

这种 " 多智能体并行 " 的架构设计颇具新意。以旅行规划为例，模型可以同时完成行程规划、目的地对比、活动筛选等多个子任务，最终整合输出一份完整方案，效率和精度均远超传统单链式推理。

Muse Spark 是一个原生多模态模型，支持文本、图像等多种输入形式，具备真正的跨模态理解与交互能力。

在应用场景上，Meta 着重布局了两个垂直方向：

健康领域：Meta 专门与超过 1000 名医生合作优化训练数据，使模型在处理医疗建议类问题时具备更高的专业性与安全性。这一举措信号明显—— Meta 正在将 AI 定位为 " 个人健康助手 "，而非单纯的信息检索工具。

视觉 STEM（科学、技术、工程、数学）：模型在处理视觉化科学与工程问题上表现出色，用户可以通过拍照或描述来排查家用电器故障、生成交互小游戏，甚至实时理解技术图纸。

此外，Muse Spark 还可接入用户在 Instagram、Facebook、Threads 等平台分享的内容，提供个性化推荐，并在 Meta AI 眼镜上实现更强的环境感知能力——这是 Meta" 具身 AI" 战略的重要组成部分。

这或许是 Muse Spark 发布中最微妙、也最值得关注的一个信号。

Meta 曾是开源 AI 生态的旗手，Llama 系列开放权重下载，催生了全球数以万计的开发者应用。然而，Muse Spark 首发时选择了闭源——仅通过 meta.ai 和 Meta AI 应用提供，API 仅向部分合作伙伴开放私有预览，普通开发者无法直接调用。

扎克伯格表示，未来仍计划发布 " 越来越先进的开源模型 "，但 Muse Spark 本身暂不开源。

这一转变意味着什么？一种解读是：Meta 已意识到，在前沿模型的军备竞赛中，" 开放 " 固然可以扩大生态，但也意味着提前曝光核心能力、让竞争对手借鉴领先技术。在真正建立性能优势之前，Meta 选择先 " 守住底牌 "。另一种解读则更为商业：Meta 需要通过闭源 API 变现，为每年数百亿美元的 AI 投入找到可持续的商业回报。

两种逻辑并不矛盾，但都指向同一个方向：Meta 正在从理想主义的开源布道者，向务实的 AI 商业玩家悄然转型。

" 个人超级智能 "：扎克伯格想要的，远不止一个聊天机器人

在发布声明中，扎克伯格将 Muse Spark 定位为通往 " 个人超级智能 " 愿景的第一步。这个词汇的选用绝非随意——它对应的是 Sam Altman 口中 "AGI" 概念的 Meta 版叙事，暗示 Meta 的野心在于打造一个真正能够替代人完成任务的 AI 代理（Agent），而非只是一个回答问题的聊天工具。

按照这一战略路线，Meta 未来的 AI 产品将嵌入用户的全平台数字生活：Instagram 的内容推荐、WhatsApp 的日程管理、AR 眼镜的实时视觉辅助…… Meta 拥有全球最庞大的社交用户基础，这是 OpenAI 和 Anthropic 无法复制的独特资产。

当然，这也伴随着隐私风险。目前，使用 Muse Spark 需要通过 Facebook 或 Instagram 账号登录，Meta 的惯常做法是利用公开用户数据进行模型训练。随着 AI 深度融合个人社交数据，用户隐私边界如何界定，将是监管机构和公众长期关注的议题。

Muse Spark 的意义，不仅仅在于一个模型的性能数字。

它更深层的含义是：Meta 终于重新站上了前沿 AI 的牌桌。在过去一年里，OpenAI 凭借 GPT-5 系列、Anthropic 凭借 Claude 4 系列、谷歌凭借 Gemini 3 系列，分别巩固了各自的行业地位。而 Meta 一直以一个 " 追赶者 " 的姿态出现，甚至一度被调侃为 "AI 时代的局外人 "。

Muse Spark 改变了这一叙事。52 分的综合评分，视觉理解全球第二，令牌效率业界领先——这些数字证明，经过 9 个月的彻底重建，Meta 已经具备了与顶尖 AI 公司正面交锋的技术实力。

更重要的是，Meta 有其独有的护城河：35.8 亿日活用户、跨平台的社交数据网络、AR 眼镜等硬件生态，以及在消费级 AI 产品上的多年沉淀。一旦模型能力与平台生态真正融合，Meta 在 AI 应用层的爆发力，可能远超今天市场的预期。

这场 AI 翻身仗，才刚刚开始。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 秦聪慧）