Meta 的 Muse Spark：迈向个人超级智能的新型多模态 AI

Meta 的 Muse Spark：迈向个人超级智能的一大飞跃

今天标志着人工智能发展的一个关键时刻，Meta 推出了 Muse Spark，这是其雄心勃勃的 Muse 系列中的首个模型，由 Meta Superintelligence Labs 精心打造。Muse Spark 不仅仅是另一个 AI 模型；它代表了 AI 如何与世界互动和理解世界的根本性转变。作为一种原生多模态推理模型，它无缝集成了从文本到复杂视觉信息等多种数据类型并进行处理，使其成为一个极其多功能和强大的工具。

Muse Spark 能力的关键在于其对工具使用的强大支持，使其能够与外部系统和环境互动；以及其创新的视觉思维链处理，这使得问题解决更加透明和复杂。此外，其先进的多智能体编排使其能够协调多个 AI 智能体协作处理复杂任务。此次发布是 Meta 全面改革其 AI 战略的第一个具体成果，得到了对整个 AI 技术栈（从基础研究和模型训练到 Hyperion 数据中心等尖端基础设施）的重大战略投资的支持。Muse Spark 已通过 meta.ai 和 Meta AI 应用立即推出，并向特定用户提供私人 API 预览。

利用 Muse Spark 的能力解锁高级推理

Muse Spark 在广泛的 AI 任务中展现出具有竞争力的性能，包括多模态感知、复杂推理、健康应用和复杂的智能体工作流程。尽管 Meta 承认在长程智能体系统和复杂编码工作流程等当前存在性能差距的领域持续投入，但初步结果证实了其新扩展技术栈的有效性。沉思模式的引入进一步提升了 Muse Spark 的推理能力。这种创新模式协调多个 AI 智能体并行推理，这一策略显著提高了其在具有挑战性任务中的性能。

沉思模式取得了显著成果，在 '人类的终极考试' 中获得 58% 的分数，在 '前沿科学研究' 中获得 38% 的分数，使 Muse Spark 足以与 Gemini Deep Think 和 GPT Pro 等领先前沿模型的极端推理能力相媲美。这种并行推理方法允许模型同时探索多种解决方案途径，从而产生更可靠和准确的结果。沉思模式在 meta.ai 的逐步推出将逐步为用户解锁这些高级功能，让我们得以一窥个人超级智能的未来。

实际应用：Muse Spark 的行动

Muse Spark 旨在将个人超级智能的承诺带入日常生活，以高度个性化的方式理解和协助用户。其高级推理和多模态能力解锁了无数实用应用：

多模态交互

Muse Spark 从零开始为多模态集成而构建，擅长处理各种领域和工具中的视觉信息。它在视觉 STEM 问题、实体识别和定位方面取得了强大性能。这些优势共同促成了以前无法实现的互动体验：

• 互动学习： 想象一下，让 Muse Spark 将复杂的图表变成有趣的迷你游戏，或者排除家用电器故障。它可以识别组件，创建互动教程，并在您将鼠标悬停在步骤上时，用动态注释突出显示特定区域。
• 提示示例： "识别咖啡机和磨豆机的关键组件，并创建一个简单的网页互动教程，演示如何使用这台机器制作拿铁咖啡。当我将鼠标悬停在步骤上时，它将高亮显示组件的边界框。"

个性化健康洞察

个人超级智能的一个重要应用在于赋能个体更好地理解和管理自己的健康。为了确保真实和全面的回应，Meta 与 1,000 多名医生合作，为 Muse Spark 的健康推理能力精心策划了专门的训练数据。这使得模型能够：

• 解释健康信息： 生成互动显示，分解和解释健康数据，例如各种食物的营养成分或特定运动期间激活的肌肉。
• 个性化饮食指导： 根据个人健康档案提供量身定制的饮食建议，甚至可以在图像中直观地注释食物，并给出个性化推荐和健康评分。
• 提示示例： "我是一名高胆固醇的鱼素主义者。请在推荐食物上放置绿点，在不推荐食物上放置红点。不要重复点，并确保点定位准确。当鼠标悬停在点上时，显示个性化说明和满分 10 分的“健康评分”，以及卡路里、碳水化合物、蛋白质和脂肪。健康评分数字应直接显示在点上方，无需悬停。悬停时显示的描述应位于所有其他点上方。"
• 健身反馈： 分析运动姿势，识别正在拉伸的肌肉群，评估难度，并提供实时姿态反馈，甚至可以与伙伴进行表现比较。
• 提示示例： "对于这两张图片，请告诉我正在拉伸哪些肌肉及其难度。当我将鼠标悬停在点上时，请告诉我更多关于肌肉群的信息，以及如何纠正我的姿势。我想更好地练习瑜伽。请与我的伙伴进行并排比较，并给我们两人打分（1 到 10 分）。"

扩展轴：Muse Spark 增长的引擎

Meta 追求个人超级智能，关键在于可预测且高效地扩展其模型。Muse Spark 的开发为三个关键的扩展轴提供了宝贵的见解：预训练、强化学习和测试时推理。

预训练效率

预训练阶段是 Muse Spark 建立其基本多模态理解、推理和编码能力的地方。在过去的九个月中，Meta 彻底重建了其预训练技术栈，在模型架构、优化技术和数据管理方面取得了显著改进。这些进步共同提升了从每个计算单元中获得的能力。通过对一系列小型模型使用扩展定律进行严格评估，揭示了一项突破性的效率：Muse Spark 能够以比其前身 Llama 4 Maverick 低一个数量级的计算量实现相同的能力。这使得 Muse Spark 比现有领先的基础模型效率显著更高。

强化学习 (RL) 收益

预训练之后，强化学习在以可扩展的方式增强 Muse Spark 能力方面发挥着关键作用。尽管大规模 RL 通常伴随着固有的不稳定性，但 Meta 的新技术栈带来了平稳且可预测的收益。展示这一点的图表显示，训练数据上 pass@1 和 pass@16（16 次尝试中至少有一次成功）等指标呈对数线性增长，表明模型可靠性有所提高，同时不影响推理多样性。重要的是，在独立评估集上的准确性增长证实了这些 RL 收益的可预测泛化，这意味着 Muse Spark 能够在训练期间未明确见过的任务上平稳提升。这确保了模型的增强功能是稳健且广泛适用的。

优化测试时推理

为了高效地向数十亿用户提供智能，Muse Spark 的测试时推理必须进行优化。Meta 采用了两个关键策略：

• 思考时间惩罚和思维压缩： 在 RL 训练期间，会针对较长的思考时间施加惩罚，鼓励模型在优化 token 使用的同时最大化正确性。在某些评估中，这会导致一个 '相变'：在模型通过长时间思考获得改进的初始阶段之后，长度惩罚会促使 思维压缩。Muse Spark 学会浓缩其推理过程，用显著更少的 token 解决问题。在此压缩之后，模型可以再次扩展其解决方案以获得更强的性能，展现出推理效率方面的显著适应性。
• 多智能体编排： 为了在不大幅增加延迟的情况下提升测试时推理能力，Meta 扩展了并行协作的智能体数量。虽然标准的测试时扩展涉及单个智能体思考更长时间，但 Muse Spark 的多智能体方法能够在相似的响应时间内实现卓越性能。这种并行处理能力对于以用户友好的速度提供复杂推理至关重要。

Meta 的愿景：通往个人超级智能之路

Muse Spark 的推出代表着 Meta 创造个人超级智能的长期愿景中具有里程碑意义的一步。通过精心完善其 AI 技术栈的每一层——从基础研究和基础设施到高级训练技术——Meta 正在构建一个 AI 能够深刻理解和增强人类能力的未来。Muse Spark 凭借其多模态推理、先进的工具使用和高效扩展能力，为未来更大规模的模型奠定了坚实基础，这些模型将使我们更接近真正个性化和智能的 AI 伙伴。这种对可扩展和智能 AI 的承诺将塑造我们未来多年与技术和世界的互动方式，使人人享有 AI 扩展的潜力更接近现实。