meta在人工智能領域的戰略轉型引發了廣泛關注。這家曾因元宇宙投入巨大卻收效甚微的科技巨頭，如今通過燒錢組建超級智能實驗室，推出了首款通用模型Muse Spark，試圖在AI賽道上實現彎道超車。
經過一年研發，Muse Spark終于面世。初步測試結果顯示，這款模型在多模態、文字推理、健康和智能體等領域展現出強勁實力，與Opus 4.6、Gemini 3.1 Pro等旗艦模型相比各有優勢。特別是在多模態任務中，Muse Spark的表現令人印象深刻，能夠精準理解圖片內容并生成符合邏輯的交互界面。
在多模態能力測試中，Muse Spark展現出了超越同類模型的細節處理能力。當被要求根據超市貨架圖片推薦減脂零食時，它不僅能準確識別商品，還能結合營養學知識給出合理建議。更令人驚嘆的是，當測試者提供一張計算器截圖并要求將其轉化為可操作界面時，Muse Spark生成的虛擬計算器不僅外觀與原圖一致，所有按鍵功能也完全正常。
代碼生成能力測試中，Muse Spark同樣表現出色。在處理LeetCode高難度算法題時，它提供的解決方案在時間和空間復雜度上均優于競爭對手。特別是在第65題測試中，Muse Spark的解法擊敗了97%的提交答案，而Gemini 3.1 Pro的空間復雜度僅優于13%的解決方案。
文字推理測試環節，Muse Spark的Instant模式展現出驚人的響應速度，能在3秒內給出準確答案。相比之下，GPT 5.4 Thinking在處理簡單邏輯題時卻出現失誤，暴露出其穩定性不足的問題。不過在健康領域咨詢測試中，各模型表現趨于一致，均能提供基本可靠的建議。
meta的技術團隊透露，Muse Spark的成功得益于三個關鍵創新：預訓練階段充分利用了Instagram和Facebook的獨家數據資源；強化學習過程中引入了新型獎勵機制；測試時推理階段通過懲罰過長思考過程，實現了響應速度與準確性的平衡。這種技術組合使模型在保持高效的同時，避免了其他AI常見的冗長回答問題。
盡管Muse Spark的初期表現亮眼，但外界仍持謹慎樂觀態度。批評者指出，meta尚未公布詳細的技術文檔和測試案例，模型閉源且未開放API接口，這些做法引發了對其跑分數據真實性的質疑。不過也有觀點認為，這可能只是meta的試水之作，未來開源版本或許會帶來更大驚喜。
當前AI模型競爭已進入白熱化階段。雖然Muse Spark的崛起打破了原有三足鼎立的格局，但Claude Mythos Preview等新興模型已展現出更強大的潛力。在這場沒有終點的技術競賽中，meta能否持續保持領先地位，仍將取決于其后續的技術投入和開放策略。
