Meta于周四宣布推出其多模态Spark AI模型的最新版本——Muse Spark 1.1，称其为前代产品的重大升级。该模型专门针对智能代理任务打造，在计算机使用、编程和多模态理解等领域带来显著提升。
Spark 1.1紧随其新图像生成工具Muse Image之后发布，后者已引发部分Instagram用户选择退出（你可以在相关链接了解如何操作）。
随着OpenAI和Anthropic等公司不断推出先进的AI模型，Meta此次发布表明其在经历一年多的落后和大规模重组后，正重新加入AI竞赛。该模型由Meta旗下的超级智能实验室发布，该实验室由前Scale AI CEO Alexandr Wang领导。
Meta还推出了Meta Model API的公开预览版，开发者可以通过该接口访问Spark 1.1。该模型现已在Meta AI应用的“思考”模式及meta.ai网站上线。
智能代理能力提升
Meta表示，Spark 1.1能比前代更快完成复杂项目。根据官方博客，该模型经过训练，能够“协调多智能体系统以优化端到端延迟”。智能代理AI指的是能够代表用户执行实际操作的模型，而不仅仅是回答问题。
该多智能体系统包含主智能体和子智能体。主智能体负责制定计划，并将执行任务分配给多个并行子智能体。子智能体会专注于各自任务，使用可用工具，并在必要时向主智能体反馈。
Spark 1.1还能主动管理其百万令牌的上下文窗口，记忆操作、检索早期信息，并压缩上下文以保留后续步骤所需的重要内容。这意味着用户可以让它处理更复杂的任务，而不会因模型处理能力限制而受阻。
计算机操作与编程
新模型还可能在用户允许的情况下，控制计算机执行特定任务。
Meta称，Spark 1.1在多应用的计算机操作流程中获得提升，能够在长时间会话中保持上下文，且能以最少用户交互导航陌生界面。它能判断何时自动化任务，何时手动操作计算机。
在编程方面，Spark 1.1表现出显著进步，尤其是在处理复杂数据库任务时。它能诊断并修复漏洞，为企业级系统添加新功能，并执行大规模代码迁移。
真正的多模态能力
Spark 1.1具备多模态能力，能够通过视觉和听觉完成任务。这类似于现有的AI模型，如Gemini Live的摄像头体验。它能处理图像和音频，并从中生成“超详细”的描述性字幕。结合其智能代理计算机操作能力，它能理解屏幕内容并采取行动完成任务。
安全性保障
Meta强调该模型经过严格安全评估，遵循先进的AI扩展框架。模型对越狱、提示注入及其他常见攻击表现出强大抵抗力。
