Meta 用 Muse Spark 押注个人超智能，但坦承三个短板

2026 年 4 月 8 日，Meta 发布了一款叫 Muse Spark 的模型。如果你只看 benchmark 数字，大概会觉得这是又一个”对齐 GPT/Claude 水平”的模型。

但这件事的意义不在 benchmark。

Llama 已死，Muse 时代开始

这是 Meta 用接近一年时间、重建整个 AI 技术栈后的第一个公开产品。从 Llama 4 那次灾难性发布（被 HN 讨论了一周，核心批评是”MoE 架构但实际上还不如更小的密集模型”）算起，Meta 沉默了整整一年。

这一年里发生了什么？他们招募了 Scale AI 创始人 Alexandr Wang 来领导 Meta Superintelligence Labs (MSL)，并按照 Alexandr Wang 的思路，从零重建了模型开发流程。

根据 Meta 官方博客和 AI 技术详解页面，这次的几个关键变化：

1. 从开源转向闭源（至少先这样）

Llama 系列是开放权重的。Muse 系列不是——目前是纯 hosted 服务，API 处于私有预览状态，只能通过 meta.ai 体验（需要 Facebook 或 Instagram 账号）。Zuckerberg 说 Muse 系列”将来会包括新的开源模型”，但没有承诺时间表。

这是一个信号：Meta 不再把”开放权重”当成默认策略，而是把它当成有选择地使用的工具。

2. RL 训练正式成为核心

Llama 4 被批评的原因之一是没有充分利用强化学习。Muse Spark 明确宣称，RL 训练展示了”平稳可预测的增益”——模型在额外 RL 步骤后持续提升，没有出现通常的奖励坍塌或多样性丧失。

更有趣的是他们的 thinking time penalty（思维时间惩罚） 机制：通过在奖励函数里加入对思考 token 数量的惩罚，强制模型在达到相同正确率的前提下使用更少的 token。Meta 观察到一个”相变”（phase transition）——模型在某个训练阶段突然学会了用更少的 token 表达同样正确的推理，之后再逐步增加 token 来进一步提升准确率。

这和 Google Gemini 团队报告的 token efficiency 研究方向高度吻合，也和 Sebastian Raschka 最近在讨论的 Kimi/Cursor 用 RL 训练 Agentic 行为的方向一致。

3. Contemplating 模式：16 个 Agent 并行推理

Meta 宣布即将推出 Contemplating 模式，可以同时调度最多 16 个并行推理 Agent，然后综合结果。这和 OpenAI 的 Deep Research、Google 的 Gemini Deep Think 是同一个思路——用计算换质量。

在 Humanity’s Last Exam 上，Contemplating 模式（使用外部工具）报告了 58.4% 的成绩。相比之下，标准 Thinking 模式没有单独报告 HLE 数字，但 Meta 自报的基准显示总体竞争力与 Opus 4.6、Gemini 3.1 Pro、GPT 5.4 相当。

三个主动承认的短板

Simon Willison 在他的博客指出，Meta 自己的技术博文里有一句耐人寻味的承认：

“we continue to invest in areas with current performance gaps, such as long-horizon agentic systems and coding workflows.”

Ars Technica 的报道也明确提到 Terminal-Bench 2.0 是 Muse Spark 与竞品相比明显落后的指标。

这三个短板——长时程 Agent 任务、编码工作流、终端操作——恰好是 Claude Mythos Preview 的核心优势（SWE-Bench Pro 77.8%，Terminal-Bench 82.0%）。Meta 自知差距，选择了诚实。

这种诚实本身就值得记录：在过去一年的 AI 发布里，很少有公司主动在发布日就说”这些地方我们还不行”。

真正值得关注的不是 benchmark，是生态整合

Simon Willison 的文章里有一个细节特别有价值：他直接问 Muse Spark 有哪些工具，模型列出了 16 个工具的完整描述，Meta 没有让模型拒绝回答这个问题。

其中最有趣的是 meta_1p.content_search：可以对 Instagram、Threads、Facebook 的帖子做语义搜索，参数包括 author_ids、key_celebrities、commented_by_user_ids、liked_by_user_ids。

这不是一个中性的技术功能。这意味着当你问 Meta AI”帮我研究一下某个话题”，它可以在你的社交图谱里做语义搜索，找到你的朋友、你关注的人说过什么，把这些整合进答案里。

这是任何竞争对手都没有的数据优势——也是任何竞争对手都无法复制的护城河。

Meta 做 AI 的底层逻辑，从来不是比谁的模型参数更大，而是比谁的数据更接近用户的真实生活。Muse Spark 只是把这个逻辑推到了一个新阶段。

个人超智能的竞争，现在才刚开始。