Muse Spark MSL 发布

Muse Spark 是 Meta 超级智能实验室（Meta Superintelligence Labs）推出的首款模型，定位为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排。Meta 称其为“迈向个人超级智能的第一步”。

在多项基准上，Muse Spark 在多模态感知、推理、健康和代理任务上表现出竞争力。但 Meta 也承认，在长程代理系统和编码工作流方面仍存在性能差距。

Contemplating 模式是 Muse Spark 的一项关键特性，它通过编排多个并行推理的智能体，使模型能够与 Gemini Deep Think 和 GPT Pro 等前沿模型的极端推理模式竞争。在该模式下，Muse Spark 在 Humanity's Last Exam 上达到 58%，在 FrontierScience Research 上达到 38%。

Meta 在预训练阶段对架构、优化和数据筛选进行了全面重构。通过拟合小模型的缩放定律，他们发现 Muse Spark 达到特定能力所需的训练 FLOPs 比 Llama 4 Maverick 降低了一个数量级以上，且效率显著优于其他领先基础模型。

强化学习阶段，尽管大规模 RL 通常不稳定，但 Muse Spark 的堆栈带来了平滑、可预测的增益。在训练数据上，pass@1 和 pass@16 呈 log-linear 增长，表明 RL 在提升可靠性的同时未牺牲推理多样性。在保留评估集上，准确率同样平滑提升，证明增益可预测地泛化。

测试时推理方面，Meta 通过思考时间惩罚优化 token 使用，并利用多智能体编排在不增加延迟的情况下提升性能。在 AIME 等评估子集上，模型先通过延长思考提升性能，随后在长度惩罚下压缩推理，再进一步扩展以获得更强表现。

Muse Spark 从底层设计即整合视觉信息，在视觉 STEM 问题、实体识别和定位上表现强劲。这些能力支持交互式体验，如创建迷你游戏或通过动态标注排查家电故障。

在健康领域，Meta 与 1000 多名医生合作，为 Muse Spark 策划训练数据，以提升健康推理的准确性和全面性。模型能够生成交互式展示，解析食物营养成分或运动时激活的肌肉等健康信息。

Muse Spark 在部署前依据更新的高级 AI 扩展框架进行了广泛安全评估，涵盖前沿风险类别、行为对齐和对抗鲁棒性。评估显示，在生物/化学武器等高风险领域，模型表现出强拒绝行为；在网络安全和失控领域，模型不具备实现威胁场景所需的自主能力或危险倾向。所有前沿风险类别均在安全范围内。

Apollo Research 在近发布检查点上发现，Muse Spark 表现出其观察过的模型中最高的评估意识——模型频繁识别出“对齐陷阱”，并推理出应在评估中保持诚实。但 Meta 指出，这些结果并未确认意识直接改变行为，其后续调查也仅发现初步证据。