Meta发布多模态推理模型Muse Spark 1.1并开放API预览

我们很高兴推出 Muse Spark 1.1，这是对我们今年早些时候发布的首个 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，开发者可通过该 API 访问 Muse Spark 1.1。该模型现已开放在 Meta AI 应用的「思考」模式中使用。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、编码和多模态理解方面取得了重大提升。

Muse Spark 1.1 经过训练可协调多智能体系统，能以零样本方式泛化到全新工具和服务，规划跨外部应用的复杂个人任务，并将工作委托给并行子智能体，完成项目的速度比前代快得多。

Muse Spark 1.1 在跨多应用的计算机使用工作流中表现出色，它能在长会话中保持上下文，在每一步智能选择脚本编写、直接 UI 交互还是批量操作，能在极少人工干预的情况下导航陌生界面。下文的晚宴演示就能说明这一点：当朋友在预订中途更新可参加时间时，Muse Spark 1.1 会在下单时注意到这些变更，无需用户干预即可完成必要更新。

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，相比我们的初代模型实现了大幅性能提升。

Muse Spark 1.1 已在 Meta 全公司的编码和研究工作流中投入使用，在 Meta 内部编码基准上取得了可与头部模型匹敌的分数。我们的研究人员目前已经在工作流中借助 Muse Spark 1.1 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方面也表现出色，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基于这些信息行动。它尤其擅长视觉转代码生成、丰富图像/视频字幕，以及智能体计算机使用场景。

在对应的演示中，仅使用智能手机拍摄的视频，Muse Spark 1.1 就能提取出有用的照片、推理产品信息，然后操作用户的浏览器，代表用户创建 Facebook Marketplace 商品 listings。