Meta Muse Spark 1.1：多智能体协作能做到什么？

背景
7 月 9 日，Meta 发布多模态推理模型 Muse Spark 1.1，重点强化 AI 智能体任务能力。本文分析这次更新的核心机制，以及对该平台用户的影响。

Muse Spark 1.1 的核心升级
Muse Spark 1.1 不是一次普通版本迭代，核心升级在多智能体协作机制：

主智能体负责收集信息、制定计划，再将任务拆分并分配给多个子智能体并行执行。这种模式让复杂项目的处理时间显著缩短——原来一个智能体串行做完的任务，现在可以拆给多个子智能体同时跑。

5 个关键能力
按 IT 之家 7-12 报道，Muse Spark 1.1 重点强化了 5 项能力：

规划能力：主智能体先收集信息、制定整体计划
协同能力：把任务拆给多个子智能体并行执行
执行能力：子智能体各自完成后汇总结果
工具调用：增强工具调用稳定性
代码与应用操作：代码开发、应用操作能力提升
上下文支持最高 100 万 tokens——可以处理长文档或复杂项目。

多智能体协作的实际价值
传统单一智能体模式下，复杂任务需要串行处理。比如要"分析 10 份合同并提取关键条款"：

单一智能体：一份一份处理，10 份需要 10 倍时间
多智能体协作：主智能体分配任务，10 个子智能体同时跑，时间缩短到接近 1 份
Muse Spark 1.1 的多智能体机制，本质上是把"串行"变成"并行"。

对 OpenStarry 用户意味着什么
该平台主营 Coding Plan 和按量计费两种模式，覆盖 DeepSeek、GLM、Kimi、Qwen 等国内主流模型。如果 Meta Muse Spark 1.1 后续开放 API 接口，可能成为该平台接入的新模型之一。

对客户来说，关注点有两个：

是否值得切换：Muse Spark 1.1 的强项是多智能体协作，如果你的工作流主要是"一个智能体写代码"，可能用现有模型就够；如果需要"多智能体并行处理复杂任务"，可以等接入后测试。
何时能用：Meta 官方模型发布后通常需要一段时间才会开放 API，具体接入时间以双方公告为准。
写在最后
Muse Spark 1.1 的发布反映了 2026 年 AI 行业的一个趋势：从"模型更强"转向"协作更高效"。多智能体协作模式让复杂任务的处理时间显著缩短，是 AI Agent 落地的重要技术方向。

该平台接入新模型时会保持一贯原则——价格与官方完全一致，0 加价。

相关阅读
DeepSeek API 高峰时段排队慢？这套调度脚本能解决
FAQ：客户规则解答
你对多智能体协作怎么看？评论区聊聊。