OpenClaw—AI研究Meta旗下的Superintelligence Labs在2026年7月9日上线了Muse Spark 1.1，并首次开放Meta Model API的公开预览。这是Meta第一次把前沿模型做成按token付费的托管服务，闭权重、按使用量计费、上下文窗口达1,048,576个token。
它被定位成多模态推理模型，原生支持文本、图片、视频和文档输入，只输出文本。设计上主打编排和工具调用，适合跑长链路智能体工作流，而不是主打裸的代码生成能力。
预览期定价按token计费，输入价约为对手的四分之一左右，输出价也保持同档最低区间，新账号还会得到一定免费额度。从横向对比看，这种价格能让中小团队在长上下文场景里放心跑试验。
在Meta官方公布的数据里，Muse Spark 1.1在MCP Atlas上拿到88.1分，超过Opus 4.8的82.2和GPT-5.5的75.3；在OSWorld-Verified上得到80.8，接近Opus 4.8的83.4；在SWE-Bench Pro上得到61.5；在Humanity’s Last Exam上得到62.1。这些分数都偏向工具使用和长流程任务。
两个值得关注的运行特性是上下文压缩和子代理委派。模型会在百万token窗口里主动整理历史，让很久之前的动作仍然能被找回；同时它会拆解任务、并行派发子智能体、把结果收回到主代理上，这两点让长会话和复杂流程更可控。
接入侧门槛也不高。Meta Model API与OpenAI风格SDK兼容，多数情况下只需要换base URL和API Key，调用client.chat.completions.create时指定模型名muse-spark-1.1即可，本地用OpenAI库就能跑通，无需重写代码栈。
它还内置了一些工程友好的细节，例如可调推理力度、结构化输出、并行工具调用、文件API、提示缓存，以及零样本接入新MCP服务器和自定义技能的能力，对搭建智能体平台的团队尤其友好。
作者给出了一个明确判断：当你需要工具编排、长会话、跨子代理协同、且能接受按token计费的输出时，把它纳入候选；如果只看绝对编码准确率、或部署在非美国地区，就先做小规模A/B再决定是否切换。
整体看，Meta用Muse Spark 1.1重新点燃了闭源大模型的性价比竞争。模型之间的差距，正在从谁更长更准，转向谁能更稳地接住真实业务流程，这正是工程团队评估新模型时该盯紧的指标。
对长期路线而言，闭源与开源并不会是单一答案。Muse Spark 1.1的优势在于托管稳定、价格透明、生态兼容，短板是无法本地部署和微调；适合作为主力智能体的快速接入层，长尾任务仍可交给开源模型分担。把这两种生态组合使用，往往比单押一种更稳妥。