刚刚,小扎的千亿闭源AI终于交卷!当场被痛批「图表犯罪」,28岁话事人火速道歉

九个月前，如果你问 AI 圈里谁最焦虑，答案大概率是 Meta CEO 扎克伯格。

Llama 4 的发布堪称教科书级翻车。核心研究员陆续出走，技术社区的口碑几乎在一夜之间崩掉，于是扎克伯格选择推倒重来。

Meta Superintelligence Labs 挂牌成立，接着小扎开出堪比 NBA 职业球星的签约金，从 OpenAI、Google、Anthropic 撬走七十多名顶尖研究员，并在六个月内完成了四次组织架构调整。

就在刚刚，这场 AI 豪赌终于亮出了它的第一张牌：Muse Spark。

近千亿美元的支出给了扎克伯格一张 AI 顶级玩家的入场券，但入场从来只是开始，能不能在这张桌子上赢下去，还要看今天这张牌打得怎么样。

扎克伯格的最新发文

号称「个人超级智能」第一步，Muse Spark 登场

作为 Meta Superintelligence Labs 推出的 Muse 系列首款模型，Muse Spark 从架构层面原生支持图像、音频、视频与文本的联合理解，内置工具调用、可视化思维链与多智能体协调能力。

Meta 将其定位为迈向「个人超级智能」的第一步。

从评测数据看，Muse Spark 的能力分布相当不均匀。多模态方向上，它在 CharXiv Reasoning 图表理解项目上得分 86.4，超过 GPT 5.4 的 82.8 和 Gemini 3.1 Pro 的 80.2，SimpleVQA 视觉事实题同样领先竞争对手。

但在 MMMU Pro 多模态理解项目上，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 博士级推理题上得分 89.5，LiveCodeBench Pro 竞争编程测试得分 80.0，后者超过 Opus 4.6。

然而 ARC AGI 2 抽象推理谜题上仅得 42.5，远落后于 Gemini 3.1 Pro 的 76.5 和 GPT 5.4 的 76.1，差距颇为明显。

健康领域是这份成绩单上比较大的亮点。

HealthBench Hard 开放式健康问答中，Muse Spark 得分 42.8，远超 GPT 5.4 的 40.1、Gemini 3.1 Pro 的 20.6 和 Opus 4.6 的 14.8。MedXpertQA 多模态医疗题得分 78.4，Meta 与超过 1000 名医生合作标注训练数据，这一投入在评测榜单上得到了直接回报，也是少见的、钱花到了刀刃上的地方。

编码与智能体任务则是另一面。Muse Spark 在 DeepSearchQA 智能体搜索项目上得分 74.8，优于 Gemini 3.1 Pro 的 69.7，但在 Terminal-Bench 2.0 终端编码任务上仅得 59.0，落后于 GPT 5.4 的 75.1 和 Gemini 3.1 Pro 的 68.5。

基准测试之外，社区的实战对比更为直观：有用户同时让 Muse Spark 和 GPT-5.4 完成「制作一个 Flappy Bird 克隆版」的任务，从游戏逻辑到交互细节，GPT-5.4 轻松胜出。在经典的六边形小球测试中，对比昨天 DeepSeek 专家模式的表现，Muse Spark 再次败下阵来。

只能说，编码与长链路智能体任务，仍是 Meta 明确承认、尚在补强的方向。

与标准推理模式并行，Meta 同步推出了 Contemplating 模式，通过并行调度多个 AI 智能体协作处理复杂问题。

该模式在「人类最后的考试」（Humanity’s Last Exam）无工具版本中得分 50.2，超过 Gemini 3.1 Deep Think 的 48.4 和 GPT 5.4 Pro 的 43.9，FrontierScience Research 科学研究任务中得分 38.3。但在物理奥赛 IPhO 2025 理论题上得分 82.6，仍落后于 GPT 5.4 Pro 的 93.5。

支撑上述能力的，是 MSL 过去九个月彻底重建的技术栈。

Codebase Perplexity 测试图表显示，Muse Spark 在相同性能水平下，比 Llama 4 Maverick Base 节省 10.3 倍算力，比 DeepSeek-V3.1 Base 节省 8.2 倍，比 Kimi-K2 Base 节省 3.3 倍。

强化学习阶段同样表现稳定，pass@1 从约 46% 持续爬升至超 60%，pass@16 从近 68% 升至近 80%，在未见过的评测集上泛化趋势同样平稳。

博主 Yuchen Jin 评价称，基础设施才是 AI 实验室真正的护城河，好的基础设施让研究人员能以更快速度训练模型、用更短周期验证更多想法。

AI 评测机构 Artificial Analysis 在早期测试后表示，Muse Spark 在其综合智能指数中得分 52，位列全球前五。

Muse Spark 现已上线 meta.ai 及 Meta AI 应用，并向部分用户开放 API 内测，用户须以 Facebook 或 Instagram 账号登录方可使用。与此前开源 Llama 系列的路线不同，Meta 这次选择闭源发布。

Meta 未明确说明是否会使用社交账号中的个人信息训练模型，但鉴于 Meta 的一贯做法，这一可能性不低，其中健康数据的采集更是值得特别关注。

Meta 重组后的首份 AI 答卷，及格了吗？

2025 年 4 月，Llama 4 以令人失望的表现触发了 Meta 的人事地震。

下定决心从头来过的扎克伯格，成立了 Meta Superintelligence Labs，以 143 亿美元将 Scale AI 创始人 Alexandr Wang 引入担任首席 AI 官，前 GitHub CEO Nat Friedman 负责产品，前 OpenAI 研究员 Shengjia Zhao（赵晟佳）出任首席科学家。