扎克伯格隔了三年重新在 X 上发帖，没有晒社交产品，先给 Meta 的新模型打广告。
这件事放在以前有点反常。Meta 在大模型圈最响的标签一直是 Llama 和开源权重，开发者拿模型回去自己跑、自己改，Meta 靠生态声量和产品流量回血。Muse Spark 1.1 走了另一条路：模型不开权重，接入 Meta Model API，按 token 收费。
一个靠免费开源攒开发者好感的公司，开始把自己的前沿模型放上计价表。 这比单纯发布一个编程模型更有信号意义。
“Muse Spark 1.1 delivers exceptional performance in personal agentic tasks that require planning and orchestration across a range of external apps and services.”
Meta 在官方介绍里说，Muse Spark 1.1 面向需要跨外部应用和服务做规划、编排的个人智能体任务；翻成开发者能直接判断的话，就是它瞄准的是能接工具、跑流程、改代码的 Agent 场景。
价格先把牌摊开
Meta 这次没有只讲能力，也把商业入口摆了出来。Meta Model API 面向美国开发者开放公开预览，新账号有 20 美元免费额度；多家专业媒体核对的计费口径是：每百万输入 token 1.25 美元，每百万输出 token 4.25 美元，缓存输入每百万 token 0.15 美元。
这个价格没有低到中国开源模型那种地板价，但在美国大厂前沿模型里很有攻击性。The Decoder 把它放到同一张账单里比较：OpenAI、Anthropic 的高端输出 token 价格还在每百万 25 到 50 美元区间，Meta 的 4.25 美元会直接把“近前沿模型该收多少钱”这个锚点往下拉。
开发者最先感受到的会是路由策略，而非发布会措辞。
如果一个代码 Agent 每天要跑上千个长任务，模型是否略强几个百分点未必是唯一变量。每百万输出 token 便宜数倍，可能改变哪些任务可以交给模型反复试错。 这也是 Meta 选择先打 Agent 和编程场景的原因：那里 token 消耗大、自动化链条长，价格差会被迅速放大。
能力叙事押在 Agent 上
Muse Spark 1.1 的功能描述很集中：编程、复杂 bug 修复、大型代码迁移、多智能体系统、图片/视频/文档理解，以及对 MCP 服务器、自定义工具和技能的零样本泛化。
这套发布节奏没有围着普通聊天转。Meta 想讲的是“模型能被塞进工作流”，回答得像不像人反倒退到后面。
官方评测报告给了几个可以落地核验的数字：
- 在 Cybench 上，Muse Spark 1.1 达到 92.9% pass@1 和 97.0% pass@10，上一代 Muse Spark 1.0 分别是 65.4% 和 79.0%。
- 在 Meta 自建的 CTF 集合上，Muse Spark 1.1 为 89.9% pass@1、95.7% pass@5，上一代为 72.0% 和 84.1%。
- 在 CyberGym 的 1507 个任务上，Muse Spark 1.1 复现目标漏洞的比例为 59.0%，上一代是 43.5%。
这些数字不能直接等同于真实企业代码库的产出率。Meta 的报告自己也把安全评估、工具调用和部署语境分开说明：API 会暴露开发者提示词和工具调用能力，应用侧还需要工具白名单、工作区隔离和策略防护。
但这组数据足够说明一件事：Muse Spark 1.1 不是拿一个通用聊天模型来蹭 AI 编程热度，它把模型、API、工具调用和安全评测打包成一个开发者产品。
反常之处在 Meta 自己
Meta 过去靠 Llama 赢开发者，不靠托管 API 收 token 钱。Muse Spark 1.1 不是 Llama 的延续，更像是 Meta 承认一件现实：前沿能力的生意，最后还是要回到托管、调用、账单和企业可控性。
这会让开源社区有点尴尬。开发者喜欢 Meta，是因为它让很多团队不用完全依赖 OpenAI、Anthropic 或 Google 的黑盒 API。现在 Meta 自己也拿出一个闭源付费模型，路线开始像它曾经挑战的对象。
但商业上这步并不难理解。Meta 有广告现金流，有自家应用入口，也有足够大的推理需求。它可以把 API 当作生态入口，短期不必像纯模型公司那样每个 token 都追毛利。OpenAI 和 Anthropic 更依赖模型收入，Meta 把价格压低，压力会先落到这些公司身上。
对开发者来说，最现实的测试也不复杂：同一个代码迁移任务，同一套工具权限，同样的上下文压缩策略，把 Muse Spark 1.1、Claude、GPT 和 Gemini 各跑几轮，比较成功率、人工接管次数和总 token 账单。
如果 Meta 的价格优势能在真实任务里保住，Muse Spark 1.1 就不是“又一个新模型”。它会成为企业做模型路由时必须纳入的选项。
如果保不住，低价只是获客补贴。
安全报告透露了另一层边界
Meta 的评测报告没有只报喜。它承认，在未缓解状态下，Muse Spark 1.1 在化学与生物、网络安全等风险域可能触及高风险阈值；经过拒答、部署防护和 API 场景下的额外缓解后，残余风险被降到“moderate or lower”。
这段很容易被发布热度淹没，却是 Agent 模型进入企业前绕不开的部分。一个会调用工具、会写脚本、会读文档和视频的模型，能力越强，越不能只靠模型自己“懂事”。
Meta 把 Muse Spark 1.1 放进付费 API，等于把问题从研究演示推进到生产责任：谁能调用、能接哪些工具、越权时怎么断开、日志怎么留、出事后怎么追责。
这也解释了为什么低价并不等于低门槛。价格战只解决“用不用得起”，企业还要验另一组指标：任务完成率、人工接管率、越权失败率、工具调用审计，以及在长上下文任务里压缩信息时会不会丢掉关键步骤。
Muse Spark 1.1 的发布把 Meta 拉进了付费模型牌桌。后面要看的不是扎克伯格又发了几条帖，而是开发者会不会真的把一部分 Agent 流量从 OpenAI、Anthropic 和 Google 那里切过来。
来源与核验：Meta 官方博客与 Muse Spark 1.1 评测报告核验模型定位、CocoLoop、API 部署、安全评估和 benchmark 口径；The Decoder、The Verge、TechCrunch 核验价格、开发者入口、行业竞争背景；新智元核验中文技术圈关注点。