《The Batch 速览：Kimi K3、Muse Spark 与爬虫控制》

《The Batch 速览：Kimi K3、Muse Spark 与爬虫控制》 | 芝士内参

Meta 训练模型在多个代理编码工具、将模型连接到文件、工具和测试的程序中工作，支持规划和子代理编排等功能。
该公司训练了双向授权的模型。领导一项任务时，它将工作划分为多个同时运行的子代理，从而缩短了总完成时间。它在另一个代理的领导下工作，保持其被赋予的角色，并在决策超出其权限时将控制权返回给编排模型。
Meta 表示，模型本身（而不是周围的软件）在长期作业中调整其输入上下文，检索任务早期的详细信息并压缩交换，同时保留后续步骤所需的内容。
对于计算机使用，Meta 训练模型在自动化（编写脚本）和直接操作（在虚拟键盘上单击或输入文本）之间进行选择，并针对更快或更简单的技术进行优化。它还可以一次发出多个动作，而不是每回合一个动作，从而提高速度和性能。
性能：Muse Spark 1.1 在衡量代理工具使用情况的基准测试中脱颖而出，但在整体智能方面低于顶级模型。在人类盲目比较中，它的排名仅落后于领先者，但在代理编码方面却处于中间位置。它特别擅长降低每项任务的成本。论人工智能分析的智能指数综合了对经济上有用的任务的九项评估，设置为 xhigh 推理的 Muse Spark 1.1 获得了 51 分，追平了 Z.ai 的 GLM-5.2 和 GPT-5.6 Luna（均设置为最大推理），并追平了设置为最大推理的 Claude Sonnet 5（53 分）。 Muse Spark 1.1 每个智能指数任务的成本为 0.26 美元，低于除 GPT-5.6 Luna（每个任务 0.21 美元）之外的任何其他达到或高于其分数的模型。在 Arena.ai 的 Text Arena 上通过盲目的头对头人类比较对模型进行排名，Muse Spark 1.1 排名第六（1,490 Elo），落后于 Claude Fable 5（1,505 Elo）和四个 Claude Opus 版本，仅领先于设置为 xhigh 推理的 GPT-5.6 Sol（1,486 Elo）。
在Artificial Analysis的编码代理指数上，设置为xhigh推理的Muse Spark 1.1获得了71.3分，落后于设置为最大推理的GPT-5.6 Luna（71.4），领先于设置为中等推理的Gemini 3.5 Flash（70.1）。花费了

每个任务大约花费 1.40 美元，是相比之下最低的编码代理，尽管每个任务比其他任务花费更多的时间。 MCP Atlas、Scale AI 排行榜上对于通过模型上下文协议服务器对软件工具的多步骤使用，Muse Spark 1.1（通过率 88.1%）领先于设置为高推理的 Gemini-3.5-Flash（83.6%）和 Claude Fable 5（83.3%）。在工作台上在针对白领职业的专业任务测试中，Muse Spark 1.1（54.7%）排名第二，领先于 Claude Opus 4.8（48.4%），落后于 Claude Fable 5（57.4%）。
新闻背后：Muse Spark 1.1 在众多型号发布中亮相。同一天，OpenAI向公众开放了GPT-5.6家族；一天前，Grok 4.5 发布，同样强调每任务的低成本。（两周后，Google 推出了 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite。）同一周，Meta 也推出了图像生成器 Muse Image 并发布了视频生成器 Muse Video。 Muse Spark 1.1 也是第一个通过 Meta 的新模型 API 提供的模型。
为什么重要：token 价格决定了哪些应用程序在规模上是经济的；通过 Muse Spark 1.1，Meta 改变了应用门槛。该模型的输出token成本只是其竞争对手的一小部分（Claude Opus 4.8、GPT-5.6 Sol 和 Claude Fable 5 的每百万token分别为 25 美元、30 美元和 50 美元），并且每个任务的测量证实了折扣是真实的：根据Artificial Analysis的数据，只有一个相当智能的模型 GPT-5.6 Luna 的运行成本更低。马克·扎克伯格把这一定价称为对竞争对手商业模式的攻击，称其他实验室的定价“非常极端，而且利润非常高”。 Meta 和 Google 一样，可以用广告收入补贴模型开发、训练和推理成本，这比依靠 API 利润和订阅生存的实验室具有结构性优势。如果竞争对手感到被迫捍卫市场份额，那么整个行业的智能体运行成本就会下降。
我们在想：能力不断从脚手架转移到重量上。指令遵循始于提示工程，工具的使用始于模型周围的代码；两者都成为训练目标。 Muse Spark 1.1 延续了这一模式，吸收了开发人员之前构建到脚手架中的行为，例如委派和升级给代理以及管理任务中的上下文。开发人员必须手动构建的外部工具越少，代理应用程序的传播速度就越快。

《The Batch 速览：Kimi K3、Muse Spark 与爬虫控制》

导语

我的笔记

登录后可记笔记

1.1 封闭模型造成的攻击

1.2 开放模型参与防御

2. Kimi K3：开放权重模型逼近前沿

2.1 模型规格与可用方式

2.2 两项架构变化

2.3 基准表现与成本

2.4 开放模型竞争加速

3. Muse Spark 1.1：Meta 发起价格战

3.1 代理训练方式

3.2 工具使用与综合表现

3.3 低价 API 改变应用经济性

4. Cloudflare：按用途控制与收费

4.1 按用途分类爬虫

4.2 BotBase 与付费访问

4.3 出版商和模型公司的摩擦

5. 联网大模型：检索仍是薄弱环节

5.1 六种语言的每日测试

5.2 检索失败主导错误

5.3 错误前提暴露模型脆弱性

思想框架