九個月前，如果你問 AI 圈里誰最焦慮，答案大概率是 Meta CEO 扎克伯格。

Llama 4 的發(fā)布堪稱教科書級翻車。核心研究員陸續(xù)出走，技術(shù)社區(qū)的口碑幾乎在一夜之間崩掉，于是扎克伯格選擇推倒重來。

Meta Superintelligence Labs 掛牌成立，接著小扎開出堪比 NBA 職業(yè)球星的簽約金，從 OpenAI、Google、Anthropic 撬走七十多名頂尖研究員，并在六個月內(nèi)完成了四次組織架構(gòu)調(diào)整。

就在剛剛，這場 AI 豪賭終于亮出了它的第一張牌：Muse Spark。

近千億美元的支出給了扎克伯格一張 AI 頂級玩家的入場券，但入場從來只是開始，能不能在這張桌子上贏下去，還要看今天這張牌打得怎么樣。

扎克伯格的最新發(fā)文

號稱「個人超級智能」第一步，Muse Spark 登場

作為 Meta Superintelligence Labs 推出的 Muse 系列首款模型，Muse Spark 從架構(gòu)層面原生支持圖像、音頻、視頻與文本的聯(lián)合理解，內(nèi)置工具調(diào)用、可視化思維鏈與多智能體協(xié)調(diào)能力。

Meta 將其定位為邁向「個人超級智能」的第一步。

從評測數(shù)據(jù)看，Muse Spark 的能力分布相當不均勻。多模態(tài)方向上，它在 CharXiv Reasoning 圖表理解項目上得分 86.4，超過 GPT 5.4 的 82.8 和 Gemini 3.1 Pro 的 80.2，SimpleVQA 視覺事實題同樣領(lǐng)先競爭對手。

但在 MMMU Pro 多模態(tài)理解項目上，Muse Spark 得分 80.4，低于 Gemini 3.1 Pro 的 83.9。文本推理方向，它在 GPQA Diamond 博士級推理題上得分 89.5，LiveCodeBench Pro 競爭編程測試得分 80.0，后者超過 Opus 4.6。

然而 ARC AGI 2 抽象推理謎題上僅得 42.5，遠落后于 Gemini 3.1 Pro 的 76.5 和 GPT 5.4 的 76.1，差距頗為明顯。

健康領(lǐng)域是這份成績單上比較大的亮點。

HealthBench Hard 開放式健康問答中，Muse Spark 得分 42.8，遠超 GPT 5.4 的 40.1、Gemini 3.1 Pro 的 20.6 和 Opus 4.6 的 14.8。MedXpertQA 多模態(tài)醫(yī)療題得分 78.4，Meta 與超過 1000 名醫(yī)生合作標注訓(xùn)練數(shù)據(jù)，這一投入在評測榜單上得到了直接回報，也是少見的、錢花到了刀刃上的地方。

編碼與智能體任務(wù)則是另一面。Muse Spark 在 DeepSearchQA 智能體搜索項目上得分 74.8，優(yōu)于 Gemini 3.1 Pro 的 69.7，但在 Terminal-Bench 2.0 終端編碼任務(wù)上僅得 59.0，落后于 GPT 5.4 的 75.1 和 Gemini 3.1 Pro 的 68.5。

基準測試之外，社區(qū)的實戰(zhàn)對比更為直觀：有用戶同時讓 Muse Spark 和 GPT-5.4 完成「制作一個 Flappy Bird 克隆版」的任務(wù)，從游戲邏輯到交互細節(jié)，GPT-5.4 輕松勝出。在經(jīng)典的六邊形小球測試中，對比昨天 DeepSeek 專家模式的表現(xiàn)，Muse Spark 再次敗下陣來。

只能說，編碼與長鏈路智能體任務(wù)，仍是 Meta 明確承認、尚在補強的方向。

與標準推理模式并行，Meta 同步推出了 Contemplating 模式，通過并行調(diào)度多個 AI 智能體協(xié)作處理復(fù)雜問題。

該模式在「人類最后的考試」（Humanity’s Last Exam）無工具版本中得分 50.2，超過 Gemini 3.1 Deep Think 的 48.4 和 GPT 5.4 Pro 的 43.9，F(xiàn)rontierScience Research 科學(xué)研究任務(wù)中得分 38.3。但在物理奧賽 IPhO 2025 理論題上得分 82.6，仍落后于 GPT 5.4 Pro 的 93.5。

支撐上述能力的，是 MSL 過去九個月徹底重建的技術(shù)棧。

Codebase Perplexity 測試圖表顯示，Muse Spark 在相同性能水平下，比 Llama 4 Maverick Base 節(jié)省 10.3 倍算力，比 DeepSeek-V3.1 Base 節(jié)省 8.2 倍，比 Kimi-K2 Base 節(jié)省 3.3 倍。

強化學(xué)習(xí)階段同樣表現(xiàn)穩(wěn)定，pass@1 從約 46% 持續(xù)爬升至超 60%，pass@16 從 近 68% 升至近 80%，在未見過的評測集上泛化趨勢同樣平穩(wěn)。

博主 Yuchen Jin 評價稱，基礎(chǔ)設(shè)施才是 AI 實驗室真正的護城河，好的基礎(chǔ)設(shè)施讓研究人員能以更快速度訓(xùn)練模型、用更短周期驗證更多想法。

AI 評測機構(gòu) Artificial Analysis 在早期測試后表示，Muse Spark 在其綜合智能指數(shù)中得分 52，位列全球前五。

Muse Spark 現(xiàn)已上線 meta.ai 及 Meta AI 應(yīng)用，并向部分用戶開放 API 內(nèi)測，用戶須以 Facebook 或 Instagram 賬號登錄方可使用。與此前開源 Llama 系列的路線不同，Meta 這次選擇閉源發(fā)布。

Meta 未明確說明是否會使用社交賬號中的個人信息訓(xùn)練模型，但鑒于 Meta 的一貫做法，這一可能性不低，其中健康數(shù)據(jù)的采集更是值得特別關(guān)注。

Meta 重組后的首份 AI 答卷，及格了嗎？

2025 年 4 月，Llama 4 以令人失望的表現(xiàn)觸發(fā)了 Meta 的人事地震。

下定決心從頭來過的扎克伯格，成立了 Meta Superintelligence Labs，以 143 億美元將 Scale AI 創(chuàng)始人 Alexandr Wang 引入擔任首席 AI 官，前 GitHub CEO Nat Friedman 負責產(chǎn)品，前 OpenAI 研究員 Shengjia Zhao（趙晟佳）出任首席科學(xué)家。

緊接著是四大團隊的重組、以及從 OpenAI、DeepMind、Anthropic 等對手處累計引進逾 70 名頂尖研究人員，單人簽約獎金最高達 1 億美元。

代價是沉重的，圖靈獎得主 Yann LeCun 離職、600 個崗位被裁、內(nèi)部薪酬不公引發(fā)大規(guī)模士氣危機，六個月內(nèi)四次架構(gòu)調(diào)整更是讓團隊方向感嚴重缺失。

結(jié)果顯而易見，九個月重建、數(shù)百億投入，Muse Spark 交出的這份答卷，稱得上合格，卻還遠遠談不上亮眼。

有一個有趣的細節(jié)是，Meta 在評測圖表中，通過給自家模型基準測試成績高亮的操作，試圖制造出全面領(lǐng)先的視覺觀感，隨即引發(fā)外界批評。

網(wǎng)友 Armen Aghajanyan 直接定性為「圖表犯罪」，Alexandr Wang 隨后公開致歉，承認大多數(shù)評估恰恰顯示模型有很多需要改進的地方。

事實上，Meta 新模型在健康領(lǐng)域的垂直優(yōu)勢足夠亮眼，算力效率的提升也確有真實價值，但 ARC AGI 2 上的斷崖式落差、編碼任務(wù)上被 GPT-5.4 輕松超越，以及「圖表犯罪」風(fēng)波所折射出的敘事焦慮，共同勾勒出一個仍在追趕、而非遙遙領(lǐng)先的 Meta AI。

更關(guān)鍵的是，這是一份閉源答卷。Meta 曾以開源 Llama 系列樹立起差異化形象，如今轉(zhuǎn)向閉源商業(yè)化路線，意味著它放棄了社區(qū)生態(tài)這張最重要的底牌，卻尚未證明自己能在閉源賽道上與 OpenAI 和 Anthropic 正面掰手腕。

如官方博客和 Alex 回應(yīng)所說，別問，問就是「大的要來了」

甚至就在 Muse Spark 發(fā)布的同一天，馬斯克在社交媒體上曬出 xAI Colossus 2 的訓(xùn)練進度，七個模型同時在訓(xùn)，參數(shù)規(guī)模從 1T 橫跨至 10T，并附上一句意味深長的「還有些追趕要做」。

同期，Claude Mythos 預(yù)覽版、DeepSeek 新一輪更新也已經(jīng)發(fā)布，包括阿里即將推出 Qwen-3.6 系列旗艦 Qwen-3.6-Max，騰訊混元 3.0 同樣蓄勢待發(fā)。

對手們不會等 Meta 考完再出題，并且投資者的耐心本來就是有限度的。四月，依舊是最殘酷的一個月。名為 AGI 的這場考試，目前還看不到閱卷結(jié)束的那一天。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）