上周三早上，我刷到 Meta 发了一篇博客。标题不短——"Introducing Muse Spark 1.1"。我本来没太当回事，Meta 发模型又不是第一次，Muse Spark 初代四月份就发过，当时也就那样。但往下翻了两屏，我开始坐直了。不是因为跑分。坦白说，现在模型跑分我都看麻了。而是因为这行字："Available through the Meta Model API in public preview"。Meta 第一次把自家旗舰模型以 API 形式开放给所有开发者。而且它的定价——输入 $1.50/M token、输出 $6.00/M token——跟 GPT-5.6 Sol 几乎打平。这就有点意思了。过去两个月，我一直在跟进 Agent 平台的进化。从 Claude Code 的 MCP 生态，到 ChatGPT Work 的发布，再到 Claude Code Ultra 模式。每次新东西出来我都第一时间去试。但这个 Muse Spark 1.1 发布的时机太巧了——前脚 OpenAI 刚发布 ChatGPT Work（7 月 9 日），后脚 Meta 在同一天甩出 Muse Spark 1.1 和 Meta Model API。这不是巧合，这是宣战。我花了两天时间注册 API、读文档、跑了三个真实项目。今天把结果摊开来说。Muse Spark 1.1 到底是什么？先说清楚一件事：Muse Spark 1.1 不是一个"聊天模型"。Meta 对自己的定位很清楚——这是一个"built for agentic tasks"的多模态推理模型。翻译成人话就是：它不是用来跟你聊天的，是用来帮你干活的。而且它不是那种"你问一句它答一句"的干活方式，是接了一个任务后自己拆步骤、调工具、跑代码、拿结果的那种干活。它的几个关键参数：100 万 token 上下文窗口。这不是挂上去好看的，Meta 给它训练了主动上下文管理能力——不是被动地塞 100 万 token 然后指望模型自己处理，而是模型在推理过程中会主动压缩和检索信息。我在实测时喂了三个项目的完整文档（加起来大概 40 万 token），它能准确引用第三份文档第 15 页的配置细节。不是蒙对的，因为我故意改了配置参数问它，它指出的就是改后的值。多模态感知不是"附加功能"是"原生能力"。Muse Spark 1.1 能同时处理文本、图片、视频、PDF，而且这些能力不是通过外部工具拼凑的，是在一个推理过程中就能跨模态使用。我给它丢了一个产品演示视频，它直接根据视频里的 UI 截图生成了对应的前端代码。不是描述视频内容，是写代码。零样本工具泛化能力。这是我最吃惊的地方。Meta 说它能零样本泛化到新工具、MCP Server 和自定义 skill。我试了一个我们团队内部写的、Muse Spark 1.1 绝对没见过的 AP
原理详解：从CNN到自注意力的技术演进)
