Meta 推出了 Muse Spark 1.1，一款在多模态推理方面得到增强的模型，旨在提升 AI 智能体处理任务的效率。

Muse Spark 1.1 显著改进了多智能体协同工作的方式。它采用了一种主从架构，由主智能体负责信息收集与规划，随后将任务分解并分配给多个子智能体并行处理，以此来缩短完成复杂项目所需的时间。此外，该模型支持高达一百万 token 的上下文长度，这意味着它能在长时间的工作流程中持续记忆并调用早期阶段的关键信息。

在应用操作方面，Muse Spark 1.1 能够跨越多个应用程序执行长流程任务。它能根据具体情况自主判断是直接进行界面点击操作，还是通过编写脚本实现自动化，抑或是同时完成多个操作步骤，从而减少人工干预，提高执行效率。

在代码开发领域，新版本能够诊断并修复复杂的程序缺陷，开发新功能，并执行大规模的代码迁移。模型还具备提前规划开发步骤、分解子任务的能力，并在长期的开发过程中保持重要上下文信息。Meta 透露，其内部的开发和研究人员已开始日常使用 Muse Spark 1.1 来辅助软件开发及模型评估工作。

Meta 同时强调了 Muse Spark 1.1 的安全性。该模型在部署前已按照内部制定的《Advanced AI Scaling Framework》进行了评估，并在化学与生物安全、网络安全以及失控风险等前沿领域均达到了安全标准。新版本还增强了对提示词注入、越狱攻击等恶意攻击的防御能力，并减少了模型出现幻觉和迎合用户的不当倾向。

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方面的表现也有较大改善。然而，在部分电脑操作、长上下文处理以及代码开发测试中，其性能仍落后于 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。