Meta发布Muse Spark 1.1：百万token上下文，强化AI智能体协作与开发能力

Meta在7月9日正式发布了Muse Spark 1.1版本，这是一个专为AI智能体打造的多模态推理大模型。新版本的核心升级方向非常明确：强化智能体在任务规划、协同调度与执行能力上的表现，同时将工具调用、代码开发和应用操作等环节一并进行了优化提升。

具体来看，Muse Spark 1.1在多智能体协作机制上做了深度改进。主智能体负责收集信息、制定整体计划，再将复杂任务拆解成可独立执行的小块，分配给子智能体并行推进——这样一来，整个项目的处理时间就能显著缩短。该模型支持最高100万token的上下文长度，这意味着在长时间的工作流程中，它能有效保留关键信息，随时调用早期阶段的内容，避免出现“边做边忘”的尴尬情况。

再来看应用操作层面的能力。该模型可以跨多个应用完成长流程任务，并且会根据具体场景自主选择：直接操作界面、编写自动化脚本，或者批量执行步骤。目标就是减少人工介入，把整体效率提上去。在代码开发方面，新版本能完成复杂程序的错误诊断与修复，开发新功能，甚至大规模代码迁移也不在话下。更重要的是，它还能提前规划开发步骤、拆解子任务，在长期开发过程中保持上下文的连贯性。Meta透露，公司内部开发与研究人员已经每天都在使用Muse Spark 1.1辅助软件开发与模型评测工作。

中信建投近期发布了一份研报，指出OpenAI、Meta等海外模型正在持续强化Agent与Coding能力。模型竞争的底层逻辑正从单纯的能力验证，转向高频场景的落地应用。推理侧算力消耗、基础设施投入与AI应用商业化，有望形成正向共振。A股计算机板块的中报预告，叠加海外模型的迭代，共同验证了AI产业链的景气度仍在延续。