Meta 发布了 Muse Spark 1.1，一款会把任务分派给子智能体、使用 computer use 并主动管理 1M tokens 窗口的智能体模型，由全新的 Meta Model API 以 public preview 形式提供，并兼容 OpenAI API：这家开放权重之家如今也提供托管模型了。
2026年7月9日，Meta Superintelligence Labs 发布了 Muse Spark 1.1，一款面向智能体任务的多模态推理模型，并通过一项低调但意义重大的新东西向开发者开放：Meta Model API，现已进入 public preview。Meta，这家靠免费赠送 Llama 权重、让任何人随处部署而建立声誉的公司，如今也开始提供一款由自家基础设施托管的模型。这不是180度大转弯——开放权重依然是它的DNA的一部分——但确实是向 OpenAI 和 Anthropic 所主导的托管服务领域迈出的一步。
这不是一个回答完就闭嘴的模型，而是一个干活的模型
Muse Spark 1.1 的设计目的是行动，而不只是对话。它会执行工具、跨多个应用进行 tool calling，并在 computer use 的流程中运作，也就是像真人面对屏幕那样操作界面。而且它不是单打独斗：它会编排子智能体，由这些子智能体分工执行任务的各个部分，之后再由主模型整合结果。这就是那种事事亲力亲为的员工与懂得分派并重新组合的团队负责人之间的区别。对于构建智能体的人来说，这种原生的多智能体编排能力，比任何单次回答的 benchmark 都更重要。
把记忆当作一等公民的能力
最有意思的技术细节不是上下文窗口的大小，而是它如何管理这个窗口。Muse Spark 1.1 拥有一个100万 tokens 的窗口，但它不是像拖着累赘那样整个拖着走，而是主动地去管理它。据 Meta 自己所说，它「会记住已执行的操作，检索很早之前的工作信息，并以一种保留后续工作所需关键步骤的方式进行压缩」。在窗口填满时保留重要内容地压缩，而不是盲目截断，恰恰是那个会拖垮长程智能体的瓶颈：那个走到第三十步就忘了第三步的模型必然失败。模型把记忆当作一种能力、而不是一个被动的上限来对待，正是它能胜任耗时数小时、而非数秒的任务的原因。
重新布局棋盘的一步棋：说对手的语言
这里有一步几乎被模型本身掩盖过去的棋。Meta Model API 以兼容 OpenAI API 的形式亮相——用 Meta 引用的 Replit CEO 的话说，这是「一个干净的、兼容 OpenAI 的封装」。说白了：大量已经针对 OpenAI 写好的代码，只需极小的改动就能指向 Meta 的 endpoint，无需从零重写集成。Meta 虽然没有明说，但实际上是在承认：「如何跟模型对话」这件事正在不再是一项专有资产，而正在变成一种事实标准。当开放权重的提供方也采用了竞争对手的接口，互操作性就不再是社区的一个承诺，而变成了一个商业决策。
给用 AI 构建产品的人的启示
这个道理再明白不过了，而且即使面对 Meta 尚未公布的那些数据——定价、额度、地域可用性——它依然成立：当各家 API 向共同格式收敛时，对单一模型的忠诚就会蒸发，而更换引擎会越来越像是改一个配置，而不是一个三个月的工程项目。谁要是用定制化的集成把自己的产品锁死在单一提供方身上，就是在给自己付钱建一个笼子。在 NeuralOS，这种信念是设计上的信条，而非预测：平台是 model-agnostic 的，模型通过配置来选择，无需重写你的应用、智能体或自动化的逻辑。Muse Spark 1.1 并未改变这个赌注；它强化了支撑这个赌注的趋势。当连 Meta 都开始说对手的语言时，有用的问题就不再是「我用哪个模型」，而变成了「我在上面构建什么，才能在下一次模型更迭中存活下来」。
（编者注：截至本文截稿，Meta 的官方公告描述了该模型、它的智能体特性、1M tokens 的窗口以及与 OpenAI 的兼容性，但并未公布价格、试用额度或分地区的可用性细节。一旦官方数字公布，我们会更新。）