Meta发布多模态推理模型Muse Spark 1.1并开放预览

我们很高兴推出 Muse Spark 1.1，它是我们今年早些时候发布的初代 Muse Spark 模型的重大升级。伴随本次发布，我们推出了全新 Meta Model API 的公开预览版，开发者可以通过它访问 Muse Spark 1.1。该模型目前也已在 Meta AI app 的「思考」模式中开放。了解更多：

Muse Spark 1.1 是为智能体任务构建的多模态推理模型，在工具与计算机使用、编码和多模态理解能力上都有大幅提升。

Muse Spark 1.1 经过训练可协调多智能体系统，能够零样本泛化适配全新工具与服务，规划跨外部应用的复杂个人任务，并将工作委派给并行子智能体，完成项目的速度比前代快得多。

Muse Spark 1.1 擅长处理跨应用的计算机使用工作流：它能在长会话中维持上下文，在每个步骤智能选择脚本编写、直接 UI 交互还是批量操作。它能在极少人工干预的情况下导航陌生界面。下方的晚宴演示就能说明这一点：当朋友在预订过程中更新了可用时间，Muse Spark 1.1 在下单时会注意到这些变动，无需用户介入就能完成必要的更新。

Muse Spark 1.1 在复杂功能实现、端到端开发任务、代码库搜索与理解上，性能相较我们的初代模型有大幅跃升。

目前 Meta 内部的编码和研究工作流都在使用 Muse Spark 1.1，它在 Meta 内部编码基准上的得分可与顶尖模型竞争。我们的研究人员现在已经将 Muse Spark 1.1 融入工作流，用它自动化完成模型开发和评估任务。

Muse Spark 1.1 在感知和多模态推理上也表现出色，它可以检查视觉和音频输入，在长工作流中保留细节，并在实际执行环境中根据这些信息采取行动。它尤其擅长视觉转代码生成、丰富的图像/视频字幕生成，以及智能体计算机使用任务。在这个演示中，Muse Spark 1.1 通过智能手机拍摄的视频提取出有用照片，推理出产品信息后，就可以操作用户的浏览器，代用户在 Facebook Marketplace 发布商品 listings。