Meta 终于来抢 AI 编程的饭碗了：Muse Spark 1.1 上手分析，$4.25/M token 是什么概念

昨天晚上刷 HN 的时候看到一条消息——Meta Superintelligence Labs 发了 Muse Spark 1.1，还同步上线了自家的 Meta Model API，第一次面向开发者收费。我当时第一反应是：Meta？搞 AI 编程？认真的吗？

毕竟提起 AI 编程，脑子里蹦出来的名字一直是 Claude、GPT、Copilot 这些。Meta 在这个赛道上的存在感，说实话，基本为零。Llama 系列虽然开源社区用得多，但编程能力一直不是强项。

但仔细看完发布博客、benchmark 数据和 CNBC 的报道之后，我的态度变了——这次 Meta 可能真的要搅局了，而且搅局的方式很简单粗暴：把价格打到地板上。

Muse Spark 1.1 到底是个什么东西

先说结论：这是一个多模态推理模型，专门为 agent 任务设计的。你可以把它理解成 Meta 版的 Claude——能写代码，能操控电脑，能处理图片和视频，还有 100 万 token 的上下文窗口。

Muse Spark 1.1 是今年 4 月份发布的初代 Muse Spark 的升级版。初代当时只给少数合作方通过私有 API 预览，基本没多少人真正用过。这次 1.1 版本算是正式面向公众了，而且开放了 Meta Model API 让所有开发者都能接入。

核心能力拆开来看：

编程能力：Meta 的说法是 Muse Spark 1.1 在大型复杂代码库上的表现"显著提升"。能诊断和修复复杂 bug，能在企业级系统里实现新功能，能搞大规模代码迁移。他们还在内部测试中跟主流竞品做了对比，声称在 Meta Internal Coding Bench 上跟 Claude、GPT 这些"领先模型"有来有回。

多 agent 编排：这个是我觉得最有意思的点。Muse Spark 1.1 被训练成可以同时扮演主 agent 和子 agent 两个角色。作为主 agent，它会收集上下文、制定计划，然后把任务分发给并行的子 agent 去执行。作为子 agent，它专注于自己那部分，知道什么时候该把结果上报给主 agent。还支持零样本泛化到新的原生工具、MCP 服务器和自定义技能——不需要专门训练就能用新工具。

电脑操控：这点跟 Claude 的 computer use 很像。Muse Spark 1.1 可以操控桌面应用，跨多个软件完成工作流。但它有个不太一样的地方——不是一步一步点击，而是会自己判断什么时候写脚本更快、什么时候直接点击更简单，还能批量生成操作步骤。

上下文管理：100 万 token 的上下文窗口不算稀奇了（GPT 和 Claude 也有），但 Muse Spark 1.1 能"主动管理"这个窗口。什么意思呢？就是它自己会记住之前的操作，从更早的工作中检索信息，还会压缩上下文——但压缩的时候会保留对后续工作关键的信息。

benchmark 数据：该认的认，该夸的夸

Meta 在发布博客里放了一堆 benchmark 图表。我把关键数据捞出来了：

MCP Atlas（MCP 工具使用能力测试）：Muse Spark 1.1 拿了 88.1 分，排第一。Claude Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro 都在它后面。这个成绩说实话挺猛的，说明 Meta 在 agent 工具调用这块下了很大功夫。

Humanity's Last Exam（号称最难的综合推理测试）：Muse Spark 1.1 62.1 分，也是第一。这个测试连很多顶级模型都考不好，62 分确实能说明推理能力。

SWE-Bench Pro（真实软件工程任务）：这块就一般了，61.5 分，Claude Opus 4.8 以 69.2 分领跑。不过 Meta 自己也说了，这个 benchmark 本身有争议（OpenAI 说它的设计不公平），所以排名仅供参考。

VALS-AI 独立测试：这个是第三方做的，Muse Spark 1.1 总排第四。但有个亮点——速度和性价比指标特别突出。在 Vibe Code Bench 这个编程专项测试里，比初代跳了 36 个名次。

整体来看，Muse Spark 1.1 在 Meta 公布的 12 个 benchmark 中赢了 4 个（MCP Atlas、JobBench、Humanity's Last Exam、Finance Agent v2），Opus 4.8 赢了 5 个，GPT-5.5 赢了 3 个。

说白了，它不是最强的那个，但差距没你想的那么大。考虑到价格因素，这个画面就不一样了。

有个细节得提一下：benchmark 数据是 Meta 自己测的，难免有"主场优势"。选哪些 benchmark、怎么设测试条件、甚至系统提示词怎么写，都会影响结果。所以我对 Muse Spark 1.1 在 MCP Atlas 和 Humanity's Last Exam 上的高分持谨慎乐观态度。不过 VALS-AI 是第三方独立测试，它排第四这个排名可能更接近真实水平。好消息是 VALS-AI 也说了 Muse Spark 1.1 在速度和性价比方面特别突出——这倒是跟定价策略吻合的。

价格：这才是真正的杀手锏

看到价格的时候我愣了一下，反复确认了三遍。

• 输入：$1.25 / 百万 token
• 输出：$4.25 / 百万 token
• 缓存输入：$0.15 / 百万 token
• 网页搜索：$2.50 / 1000 次查询
• 新用户：$20 免费额度

对比一下同行：

• Anthropic Opus 4.8：$25-50 / 百万输出 token
• OpenAI GPT-5.5：$25-50 / 百万输出 token（看具体模型档位）
• Fable 5：类似价位
• xAI Grok 4.5：之前是最便宜的近前沿模型，现在被 Meta 甩在后面了
• 中国模型 GLM 5.2：也很便宜，但 Meta 在美国主流厂商里创了个价格新低

输出 token 价格 $4.25 vs $25-50，差距是 6 到 12 倍。

这个价格策略不是"比竞品便宜一点"，是直接把桌子掀了。Meta 有每年 600 亿美元以上的利润，完全可以不靠 API 赚钱，先用低价把开发者圈过来。这跟当年 AWS 用低价抢占云市场是一个思路。

CNBC 报道里引了 AI 负责人 Alexandr Wang 的原话："跟 Anthropic 和 OpenAI 的同类产品相比，我们的定价非常有竞争力和吸引力。"——这话说得很外交了，实际意思就是"我就是要用价格碾压你们"。

Wang 还提到他自己在"dog-fooding"（内部试用）这个模型，特别提到拿它来搜论文、读学术文献、管理个人健康数据。这些用例跟编程没直接关系，但说明了 Meta 对 agent 能力的定位——不只是写代码，而是帮你处理各种复杂的信息任务。

不开源：社区最大的争议点

说到这里得提一个让开源社区不太爽的事：Muse Spark 1.1 不开源。

没有 open weights，拿不到模型权重，不能自己部署。对于习惯了 Llama 系列开源福利的开发者来说，这是一个挺大的态度转变。Meta 之前靠开源 Llama 在 AI 社区积累了大量好感，现在搞闭源收费，自然有人不买账。

不过 Alexandr Wang 在 CNBC 的采访里留了个口子——他说 MSL 有一个 Muse Spark 的开源变体"正在开发中"，但没说什么时候发布。之前 Muse Spark 的内部代号叫 Avocado，下一代旗舰模型代号叫 Watermelon，目前正在训练中。

我的判断是：Meta 之前的开源策略是为了建立生态和影响力。现在他们觉得自己在 AI 编程市场有了真正的竞争力，就开始走商业化路线了。这种策略转变很正常——Google 的 Gemini 也不是完全开源的。但对你我这样的开发者来说，能用 API 就行，开源不开源对实际使用影响不大，除非你有本地部署的刚需。

实际怎么接入

Meta Model API 目前在 public preview 阶段。接入方式是标准的 REST API，而且号称跟 OpenAI API 兼容。

首先得去 dev.meta.ai 注册开发者账号，拿到 API key。新账号有 $20 免费额度，够你测试一阵子的。

API 调用格式跟 OpenAI 类似。如果你已经用惯了 OpenAI 的 SDK 或者 LangChain 之类的框架，迁移成本很低：

import openai

client = openai.OpenAI(

    base_url="https://api.meta.ai/v1",

    api_key="your-meta-api-key"

)

response = client.chat.completions.create(

    model="muse-spark-1.1",

    messages=[

        {"role": "user", "content": "用 Python 写一个快速排序，加上注释"}

    ],

    max_tokens=1000

)

print(response.choices[0].message.content)

注意上面的代码是基于 OpenAI SDK 的兼容模式。Meta 声称支持 OpenAI 兼容接口，所以你现有的 OpenAI 客户端代码理论上只需要改一下 base_url 和 api_key 就能跑。实际兼容到什么程度还需要社区验证——有时候"兼容"只是基本请求格式一样，流式输出、function calling、structured output 这些高级功能可能有差异。建议先从简单的 chat completion 开始测。

如果你想用 cURL 直接调：

curl -s "https://api.meta.ai/v1/chat/completions" \

  - H "Content-Type: application/json" \

  - H "Authorization: Bearer your-meta-api-key" \

  - d '{

    "model": "muse-spark-1.1",

    "messages": [{"role": "user", "content": "解释一下 MCP 协议是什么"}],

    "max_tokens": 500

  }'

目前确认支持的接入方式：

• Meta Model API（官方，公测中）
• OpenAI 兼容接口（可以直接切过来）
• Meta AI app / meta.ai 网页版（Thinking 模式）
• 第三方工具：Replit、Cline、OpenCode、OpenClaw 已经有早期接入

Cline 的 CEO Saoud Rizwan 的话挺有代表性的："Meta 明显是在认真做 agentic coding——强大的工具调用能力，加上一个让大规模 coding 工作流在经济上可行的价格。这种组合很少见。"

跟 Claude / GPT 到底怎么选

这是大家最关心的问题。我根据目前的数据做个横向对比（注意：Muse Spark 1.1 刚发布，实际体验可能跟 benchmark 有出入）。

编程能力：Claude Opus 4.8 目前仍然是天花板，SWE-Bench Pro 上 69.2 分领先。Muse Spark 1.1 在 61.5 分，差距不算太大但确实存在。如果是写复杂的企业级代码、做大重构，Claude 可能还是更靠谱的选择。如果是日常编程、写脚本、做原型，Muse Spark 1.1 完全够用，而且成本低得多。

Agent 能力：这块 Muse Spark 1.1 反而领先了。MCP Atlas 88.1 分排第一，说明在工具调用、MCP 集成这些 agent 核心能力上，Meta 做得很扎实。如果你的项目重度依赖 agent 工作流（自动化操作、多工具编排），Muse Spark 1.1 值得优先考虑。

多模态：Muse Spark 1.1 支持图片、视频、PDF 输入，还有超详细的内容描述能力。Meta 演示了一个场景：用户拿手机拍一段视频，Muse Spark 1.1 自动从中提取有用的截图，分析产品，然后操控浏览器在 Facebook Marketplace 上创建商品列表。这种"感知+行动"的组合确实实用。

速度：从 VALS-AI 的测试来看，Muse Spark 1.1 的推理速度相当快。而且它支持多 agent 并行执行，对复杂任务的端到端延迟有优化。

成本：这是 Muse Spark 1.1 最大的优势。同样跑一个编程 agent 任务，用 Claude Opus 可能花 $5，用 Muse Spark 1.1 可能只要 $0.5。如果你是高频使用者或者跑大量并行 agent，这个差距就很要命了。

中文支持：这块目前没有明确的 benchmark 数据。Meta 的模型中文能力历史上一般不如 GPT 和 Claude。如果你的工作主要是中文场景，建议先用 $20 免费额度测试一下再决定。

算一笔真实的账

假设你是一个独立开发者，每天用 AI 编程工具写代码。以下是一个粗略的月成本估算：

场景一：轻度使用

每天大约 10 万 token 输入 + 2 万 token 输出（大约每天让 AI 写几个函数，做几次 code review）。

• Claude Opus 4.8：输入 $0.25/天 + 输出 $0.5/天 = $0.75/天 → $22.5/月
• Muse Spark 1.1：输入 $0.125/天 + 输出 $0.085/天 = $0.21/天 → $6.3/月

差距约 3.6 倍。

场景二：重度 agent 工作流

每天 100 万 token 输入 + 20 万 token 输出（跑大量自动化 agent，处理大型代码库）。

• Claude Opus 4.8：输入 $2.5/天 + 输出 $5/天 = $7.5/天 → $225/月
• Muse Spark 1.1：输入 $1.25/天 + 输出 $0.85/天 = $2.1/天 → $63/月

差距约 3.6 倍，绝对差距 $162/月。

场景三：开启缓存

如果你大量复用相同的上下文（比如反复让 agent 读同一个大文件），缓存价格就发挥作用了。

缓存输入 $0.15/M token，是正常输入价格的 12%。假设 50% 的输入命中缓存：

• Claude Opus 4.8：$2.5 × 0.5 + $2.5 × 0.1 × 0.5 + $5 = $1.25 + $0.125 + $5 = $6.375/天 → $191/月
• Muse Spark 1.1：$1.25 × 0.5 + $1.25 × 0.12 × 0.5 + $0.85 = $0.625 + $0.075 + $0.85 = $1.55/天 → $46.5/月

差距进一步拉大。

结论很简单：如果你在 AI 编程工具上每月花超过 $50，Muse Spark 1.1 值得认真评估。特别是对那些跑大量 agent 工作流的团队，省下来的钱可能就是多招一个人的工资。

社区怎么看的

看了一圈 HN、Reddit 和各种报道，社区的反应挺分化的。

看好的一派主要关注性价比。Replit CEO Amjad Masad 的评价很高："Muse Spark 最让人印象深刻的是它一个模型塞了多少东西进去——百万级上下文、完整的多模态支持、内置搜索和引用、强推理、顶级编程能力、结构化输出、并行工具调用——全在一个干净的 OpenAI 兼容包里。一个完整的 agent 基础。"这话有公关成分，但也说明了 Meta 在"全家桶"策略上做得不错。

观望的一派主要担心几个问题：

一是 benchmark 和实际体验的差距。Meta 自家公布的 benchmark 当然会挑好看的展示，VALS-AI 这个第三方测试排在第四，说明综合能力还不是最强。模型在实际项目中的表现往往跟 benchmark 有出入。

二是不开源的争议。很多开发者觉得 Meta 背叛了开源社区。之前 Llama 系列培养出来的生态和信任感，一夜之间变了味。有人担心 Meta 会不会走"先低价圈地、后涨价收割"的老路。

三是 Meta 的隐私和数据使用政策。你在 Meta 的 API 上跑代码，代码会不会被拿去训练？这跟用 OpenAI 或 Anthropic 的顾虑类似，但 Meta 作为广告公司的身份让这个担忧更明显一些。

我的看法：benchmark 数据可以参考但不能全信，尤其是一个刚发布两天的模型。最靠谱的方式是自己拿 $20 免费额度跑几个真实项目试试。如果编程能力确实能打，再加上这个价格，那确实是 Claude 和 GPT 之外一个很好的补充——不一定是替代，但至少可以在对成本敏感的场景切过去。

价格战：开发者该关心什么

Muse Spark 1.1 的定价不只是 Meta 一个公司的事。你得把它放到整个 AI 价格战的大背景里看。

现在的情况是这样的：AI 模型市场正在被两头挤压。

一头是 Google 和 Meta 这种有庞大主业利润支撑的大厂。Google 有搜索广告，Meta 有社交广告，每年各自赚几百亿上千亿。API 收入对它们来说可能是零头，亏着钱也无所谓。它们可以用低价甚至免费把开发者圈进自家生态。

另一头是 中国的开源模型。GLM 5.2、DeepSeek 这些模型，成本低到离谱。Snowflake 的 CEO 公开说过，GLM 5.2 在编程任务上的表现跟 Opus 4.7 差不多，但成本只有一小部分。Coinbase 和 Lindy 这些公司已经把整个 AI 后端从 Claude 切到了中国模型，省了几百万美元。

夹在中间的是 OpenAI 和 Anthropic。这两家是纯 AI 公司，每年烧掉几十亿美元，完全靠 token 差价养活自己。它们的模型可能确实是最好的，但定价空间正在被压缩。Anthropic 的 Opus 4.8 卖 $25-50/M 输出 token，Meta 卖 $4.25，差了 6 到 12 倍。即使 Opus 稍微强一点，很多场景下这个价差根本无法 justify。

对开发者来说，这意味着：

• 能力差距在缩小，价格差距在拉大。上一代模型的时代，Claude 和 GPT 的编程能力可能甩开第二名 20% 以上，贵一点也值。但 2026 年各家模型的能力差距已经小了很多——benchmark 上差几个百分点的差距，在实际项目里经常感受不到。
• 混合路由成为主流策略。不需要死守一个模型。简单的代码补全用便宜的模型（Muse Spark 1.1、GLM 5.2），复杂的架构设计和深度调试用最强的（Claude Opus）。很多 agent 框架已经支持模型路由——根据任务复杂度自动选择模型。
• 锁定风险要考虑。用了 Meta 的 API，你的数据、工作流都绑在 Meta 上了。虽然 API 兼容 OpenAI 格式，切换成本不高，但如果你重度依赖了 Muse Spark 1.1 的某些独特能力（比如多 agent 编排），以后要切走就会麻烦。保持模型可替换的架构设计很重要。

Meta 的 agent 战略：不只是模型

仔细看 Muse Spark 1.1 的设计理念，你会发现 Meta 的野心不只是卖 API。

Alexandr Wang 在 CNBC 采访里说了一句话很关键："你必须把编程能力作为整体 agent 能力的一部分来构建。"翻译成人话就是——Meta 不是在做一个"会写代码的聊天机器人"，而是在做一个"能干活的 AI agent"，写代码只是它的技能之一。

这个定位决定了 Muse Spark 1.1 跟 GPT 和 Claude 的差异化路线：

Claude 走的是"最强编程助手"路线——在终端里写代码、做 code review、debug。它像一个超级聪明的同事坐在你旁边。

GPT 走的是"最强通用模型"路线——什么都能干，编程只是其中之一。它像一个百科全书式的助理。

Muse Spark 1.1 走的是"最强 agent"路线——重点是让它自己去干活，不是你问它答。它需要有规划能力、执行能力、跟外部工具交互的能力。写代码是手段，不是目的。

Meta 选择这个方向其实有必然性。Meta 没有 OpenAI 那样的 ChatGPT 用户基数，也没有 Anthropic 在企业市场的深耕。但它有自己的生态——Facebook、Instagram、WhatsApp、Messenger。如果把 Muse Spark 1.1 做成一个强大的 agent 引擎，它可以在 Meta 的社交生态里做很多事：帮你管理 Marketplace 上的商品、帮你在 Instagram 上分析内容数据、帮你处理 WhatsApp 上的客户咨询。这些场景是 OpenAI 和 Anthropic 进不去的。

Facebook Marketplace 的 demo 就很说明问题。你拍一段手机视频，Muse Spark 1.1 自动提取商品照片、生成描述、操控浏览器帮你发 listing。这不是"AI 帮你写代码"，这是"AI 帮你干活"。Meta 的赌注就是：agent 的未来不只在编程，而在日常生活的方方面面。

当然，能不能赌对就是另一回事了。目前这些 demo 都是受控环境下的展示，真实场景的表现要打了折扣。但方向是对的——agent 确实是 AI 的下一个战场。

几个你可能想问的问题

Muse Spark 1.1 能本地部署吗？

不能。跟 Llama 不同，Muse Spark 1.1 是闭源模型，没有公开权重。只能通过 Meta Model API 或者 Meta AI app 使用。Alexandr Wang 说有开源变体在开发中，但没给时间表。

跟 Llama 4 是什么关系？

完全不同的产品线。Llama 是开源系列，定位是通用语言模型。Muse Spark 是 Meta Superintelligence Labs 的旗舰闭源模型，定位是 agent + 编程 + 多模态。Meta 现在的策略好像是两条腿走路——Llama 守开源生态，Muse Spark 攻商业市场。

可以用来替代 Claude Code 吗？

理论上行，Muse Spark 1.1 支持主流的 agentic coding 框架，包括 OpenCode、Cline、OpenClaw。如果你的工作流是这些工具驱动的，把模型从 Claude 切到 Muse Spark 1.1 可能就是改个配置的事。但编程能力的实际差距得你自己测。Meta 在博客里演示了在 OpenCode 里用 Muse Spark 1.1 做 debug——自己建了个聊天 web app，截图检查 UI 问题，定位代码修复，然后验证。整个流程看起来挺丝滑的。

$20 免费额度能测多久？

按输出 $4.25/M token 算，$20 大约能跑 470 万 token 的输出。如果你做的是中等强度的编程测试（每次请求几百到几千 token 输出），大概能测几百次请求，够你摸清楚它的编程能力了。但如果你的测试涉及大量上下文（比如喂一个完整的代码库进去），输入 token 也要算。100 万 token 的上下文窗口意味着一次请求就能吃掉 $1.25 的输入费用。所以测大型代码库的时候要悠着点，$20 可能几次请求就没了。

中文支持怎么样？

目前没有看到针对中文的专项 benchmark。Meta 的模型在中文场景历史上不如 GPT 和 Claude。但 Muse Spark 1.1 是多模态模型，训练数据量应该不小。建议先用中文问几个问题试试，再决定要不要在中文项目中用。

跟 GLM 5.2 比哪个划算？

两个都是"价格屠夫"，但路线不同。GLM 5.2 是开源的，你可以自己部署，成本只看你的硬件。Muse Spark 1.1 是闭源的，只能用 API。如果你有 GPU 服务器，GLM 5.2 长期成本更低；如果你只想用 API 不想折腾基础设施，Muse Spark 1.1 更省心。从能力上说，GLM 5.2 在编程 benchmark 上表现很猛（之前我们网站也分析过），Muse Spark 1.1 的优势在于多模态和 agent 编排。两者各有所长。

新手上手建议

如果你打算试试 Muse Spark 1.1，我建议按这个顺序来：

第一步，注册 Meta Model API 开发者账号，拿到 API key 和 $20 免费额度。

第二步，先用简单的对话测一下它的"脑子"好不好使。问几个你有明确答案的问题——比如算法题、代码 bug、技术概念解释。跟 Claude 或 GPT 的回答对比一下。

第三步，测编程能力。找个你熟悉的中小型项目，让 Muse Spark 1.1 做几个常见任务：加个新功能、修个 bug、重构一段代码。看它生成的代码质量、对项目结构的理解、以及对上下文的把握。

第四步，如果你用 Cline 或 OpenCode 之类的 agent 框架，尝试把 Muse Spark 1.1 接进去。改一下配置里的模型和 API 地址，跑一遍你日常的 agent 工作流。重点关注：工具调用的准确率、多步骤任务的规划能力、以及 token 消耗量。

第五步，算成本。记录一周的使用数据——每天消耗多少 token，花了多少钱。跟之前用 Claude 或 GPT 的账单对比。如果成本降低 60% 以上且能力差距可以接受，那就考虑做部分切换。

别一上来就把所有任务都切过去。最稳的做法是混合路由：简单任务给 Muse Spark 1.1，复杂任务给 Claude。等你对 Muse Spark 1.1 的能力边界摸清楚了，再逐步增加它的占比。

写在最后

Muse Spark 1.1 这步棋，我觉得 Meta 走得挺聪明的。在模型能力还不是绝对领先的情况下，用价格优势切入市场，先把开发者圈过来，再靠迭代追上去。这种打法在科技行业屡试不爽——AWS 对云、Android 对手机、TikTok 对短视频，都是类似的逻辑。

对开发者来说，这是好事。多一个有竞争力的选择，意味着其他厂商也得跟着降价或者提升能力。AI 模型的价格战已经开打了，GLM 5.2 从中国这边压价，Muse Spark 1.1 从美国这边压价，Claude 和 GPT 夹在中间。最终受益的是我们这些用 API 的开发者。

对了，Alexandr Wang 透露 Meta 正在训练下一代旗舰模型，代号 Watermelon。Muse Spark 1.1 的代号是 Avocado，初代 Muse Spark 在今年 4 月发布，到现在才三个月就出了 1.1。如果 Watermelon 保持这个节奏，年底前可能就会有下一代出来。到时候价格可能更低、能力更强——AI 模型的迭代速度快到让人头昏。

我打算这周末拿 $20 免费额度跑几个真实项目试试。重点测三个东西：一是编程能力到底比 Claude 差多少（差距在 10% 以内就可以考虑切换），二是多 agent 编排的实际体验（demo 很好看，真跑起来才知道好不好使），三是中文场景的表现（如果中文能力太差就只能当英文工具用了）。测完了再写一篇实测报告。

在这个 AI 模型百花齐放的时代，多一个选择永远不是坏事。关键是别被"最便宜"或"最强"这种单一标签忽悠，找到适合自己场景的那个才是正事。

有啥问题评论区聊。