首页财产ai正文 Meta发布Muse Spark：华人天团废墟重修 Llama崩盘后，Meta开创人扎克伯格砸百亿组建华人AI研发团队。4月8日，该团队发布首个模子Muse Spark，展示新AI栈结果，其能力激发存眷与会商。 2026-04-09 13:34 ·硅星人猫猫头 AI投资人解读· Meta发布的Muse Spark是原生多模态推理闭源模子，有VCoT等焦点能力。预练习阶段算力比Llama 4削减超一个数目级，练习路径呈“端到真个教诲”。于部门范畴benchmark数据领先，但综合能力距头部模子有差距。 · 曾经有benchmark造假风浪，这次领先数据或者存质疑模子综合能力待晋升，纯文本高级推理堆集不足。 总结：Muse Spark揭示出技能潜力与上风，于特定范畴体现凸起，但受过往诺言影响，其数据靠得住性待察，综合能力晋升空间年夜，投资时需综合考量各方面因素。内容由AI天生，仅供参考

于Llama完全“崩盘”后，Meta开创人兼CEO扎克伯格亲手撤除已往的团队、架构并完全走向“反Llama”线路，砸百亿建起华人科学家为主的AI研发天团。今天，于9个月后，于整个硅谷存眷以和不少的冷言冷语下，他及这个全新团队终究交出了*模子作品，试图证实一整套从零搭建的AI栈跑通了。

4月8日，Meta正式发布了MSL（Meta Superintelligence Labs）建立以来的*个模子Muse Spark。九个月前Alexandr Wang插手Meta担当首席AI官，带着从OpenAI挖来的一众华人焦点研究员，推翻了整个Llama时代的技能栈——新基础举措措施、新架构、新数据管道，全数从零最先。Muse Spark就是这套新栈的*个产出，此刻它已经经直接上线驱动Meta AI。

于Llama 4因benchmark造假风浪堕入被动的配景下，这是Meta的一次周全重启。

Muse Spark是甚么

它是个到处及Llama反着来的模子：

一个被决心设计患上小巧、轻量、高相应速率的原生多模态推理闭源模子。

先看它的焦点能力：

原生多模态：不是把视觉编码器硬缝到文本模子上的"拼接式"架构。从预练习阶段起，文本、图象、语音就于统一个高维特性空间里练习。这象征着它处置惩罚图片不需要先翻译成文字描写，而是直接从像素级别提守信息。

Visual Chain of Thought（VCoT，视觉思维链）：传统的思维链推理是纯文本的，模子于文字里慢慢拆解问题。Muse Spark把这个机制引入了视觉空间——它能于图象中"思索"，自立构建视觉元素之间的空间及逻辑瓜葛。

Contemplating Mode（覃思模式）：对于标Gemini Deep Think及GPT Pro的极限推理模式。区分于在它不是单线串行推理，而是于后台同时拉起多个并行运算的子agent，各自处置惩罚使命的差别维度，末了由主控体系交融成果。覃思模式下Humanity's Last Exam到达58%，FrontierScience Research到达38%。

东西挪用及多agent编排：原生撑持，不是后期拼上去的。

今朝Muse Spark已经于meta.ai及Meta AI app上线，Contemplating Mode慢慢灰度中，同时向极少量互助伙伴开放私有API预览。

技能亮点：华人天团都是怎么说的

今天MSL团队险些团体于X上发帖，几个要害信息值患上留意：

Meta官方博客放出了一个极为主要的数据：于预练习阶段，新栈到达划一能力程度所需的算力比上一代Llama 4 Maverick削减了跨越一个数目级。不是百分之几十的优化，是10倍以上的效率晋升。博客原文称"over an order of magnitude less compute"，而且"significantly more efficient than the leading base models available for comparison"——甚至比其他家的基座模子都高效。

Alexandr Wang的九条thread里最主要的一句话："we saw predictable scaling across pretraining, RL, test-time reasoning." 预练习、强化进修、测试时推理，三条线都看到了可猜测的scaling——这可能比任何benchmark数字都主要。它象征着这套栈不是调出来的一个lucky shot，而是一个scaling曲线光滑的体系。

首席科学家赵晟佳（@shengjia_zhao）的描写更详细：这个模子的练习路径是"端到真个教诲"——school（预练习）、homework（RL）、on-the-job training（产物部署后的连续进修）。他夸大"we just got started"。

RL部门有个颇有意思的技能细节。毕树超（@shuchaobi）提到了练习中最疾苦的部门：年夜范围RL的不不变性，以和"fighting reward hacking"——匹敌奖励机建造弊。但官方博客显示他们终极把RL跑到了"smooth, predictable gains"的状况，pass@1及pass@16都呈log-linear增加，并且于未见过的评测集上也能光滑泛化。

更成心思的是RL练习中呈现的"相变"征象：团队于练习时引入了thinking time penalty（思索时间处罚），模子先是经由过程更长的思索来晋升体现，然后于处罚压力放学会了"思惟压缩"——用更少的token解决一样的问题，以后又再次延长推理以到达更高机能。Ananya Kumar（@ananyaku）于帖中称这个历程"pretty neat"。

Ananya放出的另外一组图表显示了多agent推理的要害insight：多个agent并行推理，于不异延迟下能到达比单agent更高的机能。换句话说，Contemplating Mode不只是"让模子想患上更久"，而是"让多个模子同时想差别的事"。

余家辉（@jhyuxm）作为多模态底座的总架构师，说了一句颇有意思的话："It's been a fulfilling journey not just building the model, but the team and culture behind it." 建模子是一回事，建团队及文化是另外一回事——他们于九个月里两件事同时干了。

Jason Wei（@_jasonwei）的回忆最有画面感："*周咱们于食堂吃了一顿漫长的晚饭，畅想研究标的目的，然后回到桌前写了一个基本的inference llama剧本。此刻咱们有了一套相称完备的技能栈，*个模子已经经发布。"

Benchmark：甚么*不*，回到牌桌先

再来看看benchmark数据：

HealthBench Hard（极高难度医学问答）：Muse Spark 42.8，GPT-5.4是40.1，Gemini 3.1 Pro只有20.6，Claude Opus 4.6只有14.8。**，靠近其他模子的两到三倍。

CharXiv Reasoning（科研论文图表深度理解）：86.4，全行业最高。

SWE-bench Pro（真实软件工程使命）：55.0%，跨越Claude Opus 4.6的51.9%。

Artificial Analysis综合智能指数：52分，而GPT-5.4及Gemini 3.1 Pro都是57分。

Meta想借此申明：Muse Spark于医疗多模态及科研图表理解这两个需要"真正看懂图"的范畴，已经经是毫无争议的*。于代码工程上也进入了*梯队。

不外，今朝它综合能力间隔GPT-5.4及Gemini 3.1 Pro还有有5分的差距，纯文本高级推理方面也还有没撼动Anthropic及Google的堆集。

如许的体现继承引来一些攻讦，Ndea的cofounder François Chollet直接称Muse Spark"已经经看起来是个使人掉望的模子"，他认为模子过分优化了公然benchmark，捐躯了现实可用性——而Alexandr Wang的回应很克制：认可模子于ARC AGI 2等评测上体现欠安，并夸大这些数据已经自动公然。

Chollet的质疑不是没有原理。Llama 4时代Meta就因benchmark造假风浪伤过一次诺言。此次Muse Spark于Artificial Analysis综合指数上仍掉队GPT-5.4及Gemini 3.1 Pro五分，医疗及科研图表上的断档*，是否来自对于特定benchmark的定向优化，还有是原生多模态架构带来的真实能力？这个问题需要更多第三方自力测试往返答。

Muse Spark固然主要，但它最主要的意义不于在今天的benchmark分数。

从这个模子的设计，到这些研究员这次重点先容的技能亮点，一切都指向对于Llama的否决：Llama 4的年夜溃败于扎克伯格眼里是个要完全翻篇的工作，以是不只是它的开源线路，它的模子架构要改，更主要的是它整个练习基础举措措施都患上给它掀翻了。这次这几位焦点作者的x发文，看起来都于缭绕底层技能栈的重构来先容。Muse Spark此次发布也让人更大白扎克伯格挖来Alexander Wang的目的。

最恨Llama的还有患上是扎克伯格本身，他必需患上通盘给它推翻，于废墟里重修。

这次的发布也是Meta招兵买马后那支华人天团交出的*个模子。余家辉（前OpenAI感知团队卖力人、GPT-4o焦点开发者）、赵晟佳（前OpenAI合成数据研发领头人、ChatGPT结合创作者）、任泓宇（前OpenAI o1/o3推理焦点孝敬者）、毕树超（前OpenAI多模态后练习卖力人）、林纪（前OpenAI焦点优化专家）——这些被Meta用上亿美元的具名费挖过来的AI科学家，于纸面上天然是一个明星团队，他们必需先用一个模子让Meta回到牌桌上。这是扎克伯格确当务之急。

扎克伯格于九个月前交给他们的是一张白纸。今天他们交出的谜底实在更可能是一整套预练习、RL、测试时推理的完备栈，而且——要害于这——scaling曲线是光滑的、可猜测的。

更年夜的模子已经经于路上了。

【本文由投资界互助伙伴硅星人授权发布，本平台仅提供信息存储办事。】若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。