Meta这次发布Muse Spark 1.1，官方通稿写满了"重大升级""性能效率前沿""对标领先对手"，可翻遍全文找不到一个价格数字，也找不到一张能跟GPT-5、Claude、Gemini直接摆在一起比的标准跑分表。真正把价格捅出来的是Axios，不是Meta自己的博客。这种选择性发布的姿态，比模型本身能力提升更值得琢磨。
从4月8日首代Muse Spark悄悄给几家合作伙伴开私有预览，到7月9日1.1版本正式面向所有开发者开放API，Meta花了三个月才把门完全打开——这本身就是个信号：一边加速追赶，一边还在小心试探市场反应。
发生了什么：100万token，和"能当主管也能当员工"的agent
Muse Spark 1.1 是Meta Superintelligence Labs发布的多模态推理模型，主打agentic任务：工具调用、电脑操作、编程、多模态理解全面提升。最大卖点是它能管理100万token的上下文窗口，记得住很早之前的操作，还知道该压缩哪些内容、留住哪些关键步骤。
更有意思的是它的双重身份：既能当主agent拆解任务、调度多个子agent并行干活，也能被别的agent调用，老实执行分内工作，该升级请示时会往上报。这种主从可切换的设计，是这次升级里少见的、真正能落到产品体验上的改动。
同期上线的还有Meta Model API公开预览，加上Muse Image、meta.ai的"Thinking"模式，Meta这周基本把agentic和多模态两条线一起往前推了一把。
藏起来的价格，没敢摆出来的跑分
Muse Spark 1.1 的定价是每百万输入token 1.25美元、每百万输出token 4.25美元——这个数字不是Meta官方博客写的，是Axios报道里披露的。对比首代发布时"仅对部分合作伙伴开放私有预览"的谨慎姿态，这次算是真正把门打开了，可价格却选择让媒体去挖，而不是自己大大方方挂在官网首页。
跑分这块更明显。博客里放了一堆内部图表：Meta Internal Coding Bench、agent编排效果、电脑操作演示，配文写着"与领先对手相比具有竞争力"。可整篇通稿没有一个能拿来跟SWE-bench Verified、Aider Polyglot这些行业通用标准直接对照的数字。作为参照，OpenAI官方公开过GPT-5在SWE-bench Verified上74.9%、Aider Polyglot上88%的成绩，白纸黑字，谁都能查。Meta这次没有给出对应数字。
- 风险.内部图表好看不代表可复现，开发者要自己花时间跑一遍才能确认真实水平。
上下文窗口的数字罗生门
官方说是100万token，这个数字在博客里写得很清楚。可外部生态里流传的说法并不统一，有第三方站点给出的是26.2万token——两者差了将近四倍。这不是谁在造谣，而是Meta自己没有提供独立可验证的测试方法，留下了让数字满天飞的空间。
图表能取悦公关部门，取悦不了跑分榜单。
这类争议在开发者社区已经有了明确说法。Hacker News和Reddit上，不少用户直接用"benchmaxxing"——刷榜式调优——来形容这种只晒自家对比图、不给方法论和per-task成本数据的发布方式。质疑的核心不是模型不行，而是没法验证模型到底行不行。
App Store排名跃升，是热度还是实力
Muse Spark系列发布后，Meta AI应用在美国App Store的排名从第57名冲到第5名。这个数字很抓眼球，但值得拆开看：它反映的是消费端App的下载和使用热度，跟开发者是否愿意把生产环境的agentic工作流迁移到Meta Model API上，是两件不同的事。前者靠应用分发和用户尝鲜，后者靠可验证的性能、稳定的成本和踩过坑之后的口碑。
- 结论.分发优势是真的，但它换不来开发者端的技术信任，这笔账还没结清。
Meta手里握着的牌不差：亿级用户入口、自家算力和数据、还有一个愿意主动开放API的姿态，这些都是真优势。但"重大升级"这四个字，最终要靠SWE-bench分数、OSWorld成绩这些行业公认的尺子来称重，不是靠内部截图。定价被媒体扒出来、上下文数字自己都说不齐、跑分只跟自己比——这三件事拼在一起，更像是一家还没准备好被拿放大镜看的公司，提前把发布会开了。
接下来真正该盯的，不是Meta这次通稿写了什么，而是Muse Spark 1.1能不能被lmarena、SWE-bench官方榜单这类第三方收录出正式成绩，以及开发者真金白银用了之后，per-task成本到底划不划算。这两件事一旦有答案，今天所有的形容词都会被重新称重。