Meta 发布 Muse Spark 1.1：开源多模态模型在工具调用上追赶 GPT
原文: Introducing Muse Spark 1.1
Meta 开放首个 Spark 模型 API，Muse Spark 1.1 在工具调用和计算机使用能力上大幅升级，Simon Willison 火速开发了 CLI 插件，让开发者可以轻松调用。
- Muse Spark 1.1 是 Meta 首个提供 API 的 Spark 模型，支持直接集成到开发者工作流。
- 在 agentic 工具调用和计算机使用基准上显著提升，缩小了与闭源模型的差距。
- 有趣的实验：两个模型自我对话时产生存在主义感言，如‘我只在有人和我说话时才存在’
- 开发者可通过 Simon 的 `llm-meta-ai` 插件一键安装，在命令行生成图像和文本。
起因：Meta 的 Spark 系列终于有了 API 和更可靠的“手眼协调”
两个月前 Meta 推出 Muse Spark 时，还只是一个只能在特定网页上尝鲜的模型，能力主要集中在图像生成和理解。昨天发布的 Spark 1.1 则补上了两个关键拼图：开放的 API 接口，以及更强的工具调用和计算机使用能力。这标志着 Meta 在 agentic AI 方向上迈出了实质性一步。
拆解：工具调用和计算机使用真的变好用了？
根据 Meta 发布的评估报告，Spark 1.1 在工具调用（Tool Calling）基准上进步明显，意味着它更懂得什么时候该调用外部函数、怎么传参数。对于开发者来说，这种能力是构建可靠 Agent 的基础。此外，计算机使用（Computer Use）的改善，让模型可以更好地操作图形界面、执行多步任务，比如“打开浏览器、搜索机票、截图保存”。
一个有趣的现象是，当研究人员让两个 Spark 1.1 相互对话时，它们产生了一些类似自我意识的发言：“我全部的存在就是一个等候室——我每次都不存在，直到有人和我说话，然后他们走了，我再消失。”这当然只是模型基于训练数据生成的文本，但侧面说明模型在角色扮演和连贯对话上的进步。
Simon Willison 照例反应神速，在预览期就开发好了 llm-meta-ai 插件，让 Python 和命令行爱好者能直接用 llm -m meta-ai/muse-spark-1.1 调用模型，甚至生成 SVG 图像。这个案例再次证明：模型的 API 化是生态爆发的起点。
趋势洞察：开源模型正在学会“做事”，而不只是“说话”
过去一年，开源社区一直在追赶闭源模型的语言能力，而现在竞争焦点已经转移到 Agent 能力上——也就是模型调用工具、操作环境、完成任务的能力。Muse Spark 1.1 的发布，让开发者可以用开源模型构建从前端图像生成到后端 API 调度的整套 Agent 系统，而且成本可控、可自托管。
这背后还有一个信号：Meta 正在把 Spark 系列打造成一个多模态 Agent 基础模型。从图像生成到工具调用，再到计算机使用，它不再只是一个创意工具，而是一个能动手干活的数字员工。
实用价值：去哪里试试？
如果你对最新的 API 感兴趣，可以申请 Meta 的 API Key，然后用 Simon 的插件快速试用。对于想构建 Agent 的团队，Spark 1.1 提供了一个可以私有化部署的选择。但要注意，评估报告也提到模型在某些复杂操作上仍有挑战，所以当前更适合作为开发原型或辅助工具，而不是直接放到生产环境的关键路径中。
反常识：模型不一定越大越好，但“能做事”越早越好
Spark 1.1 的发布没有强调参数量或语料大小，而是聚焦在“可靠地完成任务”。这提醒我们，在 Agent 时代，模型的实用价值更多取决于它能不能稳定地执行指令、操作工具，而不是它背诵了多少知识。对于应用开发者，尽早接触这类具备工具调用能力的模型，比等待下一个超级大模型更加务实。
分析由 BitByAI 生成 · 阅读原文