Meta 推出了 Muse Spark 1.1，一个在多模态推理方面有所增强的模型，旨在提升 AI 智能体的执行能力。

新版本的 Muse Spark 1.1 优化了多智能体协作的流程。其设计由一个主智能体负责信息收集与规划，随后将任务分解并分发给多个子智能体并行处理，这种方式能够显著缩短复杂项目的完成周期。此外，该模型支持高达 100 万 token 的上下文长度，确保在长时间的工作流程中能够持续记忆并调用早期阶段的关键信息。

在应用操作层面，Muse Spark 1.1 能够跨越多个应用程序执行长时程任务。它能够根据具体情境自主判断是直接与界面交互，还是通过编写脚本实现自动化，抑或是将多个操作步骤一次性完成，从而最大限度地减少人工介入并提高整体效率。

对于代码开发领域，Muse Spark 1.1 具备诊断和修复复杂程序缺陷的能力，能够开发新功能，并执行大规模的代码迁移工作。模型还能够预先规划开发步骤、分解子任务，并在长期的开发过程中保持重要的上下文信息。Meta 透露，其内部的开发及研究人员已开始日常使用 Muse Spark 1.1 来协助软件开发和模型评估工作。

Meta 还强调了 Muse Spark 1.1 的安全性。该模型在部署前已根据内部安全框架《Advanced AI Scaling Framework》进行了评估，在化学与生物安全、网络安全以及失控风险等前沿风险领域均处于安全水平。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，并减少了模型产生幻觉和迎合用户偏好的情况。

根据 Meta 内部 AI 安全治理框架的评估，Muse Spark 1.1 在智能体能力、代码开发和通用推理方面相比上一代模型取得了显著进步。同时，在置信度校准、风险识别和欺骗倾向等方面的表现也得到了显著改善。然而，在某些电脑操作、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 同时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，并将其集成到他们自己的应用程序中。