# 影片筆記：Meta Muse Spark 1.1 First Test – Is THIS a Frontier Model?

## 一句話總結

測試者對 Meta 發布的新模型 **Muse Spark 1.1** 進行了多項嚴格測試（包括遊戲開發、3D 建模、時間軸城市生成及 FPS 場景），發現其在特定細節（如隧道視角、3D 零件細節）上有亮點，但整體品質被評價為基礎且缺乏深度，尚未達到「黃金時間」（ready for prime time）的成熟度，且考慮其定價策略，測試者認為目前價值不高，甚至不如其他模型（如 Composer 2.5）。

## 核心重點

*   **模型定位與基準表現**：
    *   測試對象為 **Meta Muse Spark 1.1**。
    *   基準測試數據顯示提升：Deep SWE 1.1 從 10 提升至 53.3，Sweebench Pro 數據亦有提升。
    *   測試者將其視為 Frontier state-of-the-art 模型進行嚴格評估，對比對象包括 Opus 4.8、GPT-55、3.1 Pro High 及 Grok 4.5。
*   **技術規格與定價**：
    *   定價：輸入每百萬 token $1.25，輸出每百萬 token $4.25。
    *   上下文窗口：標示為超過 100 萬 tokens。
    *   測試成本：實際消耗 $11.84（贈送 $20.00 額度）。
*   **實測專案表現**：
    1.  **Castle Time 遊戲**：由 Fable 5 提示詞生成，存在鍵盤輸入（Keyboard fallback）失效問題，需引入 Claude 分析發現是互動距離與輪詢迴圈問題。
    2.  **Browser OS 模擬**：包含 Pixel Paint、Nova Drift 等應用，創意亮點為遊戲失敗影響桌面背景，但操作映射困難。
    3.  **C++ 滑板模擬器**：在不使用 Raylib 庫的情況下，成功生成 1600 行程式碼並驗證建構與打包。
    4.  **3D 模型與網頁整合**：
        *   Luxury watch 網站：3D 模型缺少指針。
        *   ZX Spectrum 筆記型電腦：開合動畫與鍵盤事件表現良好，但螢幕顯示與鉸鏈位置有誤。
        *   V8 引擎：外觀細節（螺栓、油蓋）驚人，但結構孔洞深度不足，無法實際 3D 列印安裝馬達。
    5.  **遊戲生成**：
        *   Street Yeet：低多邊形城市街區遊戲，機制有趣但 NPC 模型有瑕疵。
        *   心理驚悚小說：多模態創意寫作表現良好，能生成標題、背封摘要及故事大綱。
    6.  **時間軸城市區塊測試**：
        *   涵蓋 1985 至 2055 年，能反映部分時代特徵（服裝、車輛、建築），但整體畫面被評價為基本、單調，缺乏頂級模型的深度。
    7.  **地鐵站 FPS 場景**：
        *   成功生成地鐵隧道內部視角（多數模型會將隧道封死）及子彈擊中效果。
*   **綜合結論**：
    *   測試者認為 Muse Spark 1.1 **尚未達到「黃金時間」**。
    *   雖然有亮點（隧道視角、3D 細節），但整體品質不佳且價格偏高。
    *   測試者認為 **Composer 2.5** 在價格與品質上更具優勢。
    *   目前對該模型感到失望，視為早期進入或改進版本，需觀察後續發展。

## 詳細大綱

### 1. 模型介紹與基準評估
*   確認測試對象為 Meta 更新的 Muse Spark 1.1。
*   回顧前代模型表現，並對比新模型在 Deep SWE 1.1（從 10 提升至 53.3）與 Sweebench Pro 的數據。
*   將 Muse Spark 1.1 視為 Frontier state-of-the-art 模型進行嚴格測試，對比對象包括 Opus 4.8、GPT-55、3.1 Pro High 及 Grok 4.5。
*   評估方式：主要依賴實際測試而非官方部落格文章（認為部落格內容較輕量）。

### 2. 技術規格與定價分析
*   定價策略：輸入每百萬 token $1.25，輸出每百萬 token $4.25。
*   上下文窗口：標示為超過 100 萬 tokens。
*   測試成本：贈送 $20.00 額度（需綁定帳單資訊），實際消耗 $11.84。

### 3. 實測專案一：Castle Time 遊戲開發
*   使用 OpenCode 在 15 分鐘內生成遊戲。
*   發現問題：鍵盤後備輸入（Keyboard fallback）無法正常運作，僅能透過藍牙控制器或特定按鍵互動。
*   嘗試修復：透過 OpenCode 修復程式碼，但鍵盤輸入仍失效。
*   引入 Claude 協助：分析問題根源，發現是互動距離限制（需 1.8 單位內）與輪詢迴圈（polling loop）導致。
*   最終結果：修正後遊戲可互動，但測試者認為該測試對模型而言過於複雜。

### 4. 實測專案二：Browser OS 模擬
*   生成 549 行程式碼，包含 GTA 遊戲彩蛋。
*   功能評估：包含多種桌面背景（Sunset Dune, Deep Void 等）、應用程式（Pixel Paint, Nova Drift 等）。
*   創意亮點：遊戲失敗會影響桌面背景顏色（"Games can now leak to desktop"）。
*   操作問題：Nova Drift 遊戲中按鍵映射困難，無法前進且容易撞擊障礙物。

### 5. 實測專案三：C++ 滑板模擬器（Skateboard sim）
*   測試目標：評估大型模型在不使用 Raylib 庫的情況下，建構與打包複雜 C++ 程式碼的能力。
*   當前進度：程式碼已寫至 1600 行，正在驗證建構與打包過程。

### 6. 3D 模型與前端網頁測試 (Watch Website)
*   任務目標：創建一個包含 3D luxury watch 模型的網站前端，包含英雄區塊（Hero Section）的電影級鏡頭平移效果，以及顯示兩種型號價格卡的 3D 模型。
*   初步結果：字體與設計尚可接受，但 3D 模型質量不佳，主要問題為缺少指針（Missing hands）。
*   修正嘗試：使用者嘗試透過 "alert" 指令要求修正，但模型誤解為添加夏季 26 發售的警示列（Alert bar）。使用者澄清為 "garbage alert" 後，模型移除了該列，但指針缺失問題仍未解決。

### 7. 多模態編碼測試：ZX Spectrum 筆記型電腦
*   任務目標：根據 ZX Spectrum 照片創建可開啟與探索的 3D 複製品，並具備功能性鍵盤。
*   測試結果：
    *   優點：未出現常見的鍵盤反轉問題，開合動畫表現不錯，RGB 切換效果與按鍵事件效果良好。
    *   缺點：螢幕被隱藏或無法運作，鉸鏈（Hinge）位置不正確，幀率（FPS）表現尚可。
    *   對比：表現優於部分開源模型（Open weight models）。

### 8. 3D 列印可行性測試：V8 引擎
*   任務目標：創建一個逼真的 V8 引擎 3D 模型，需能容納 280 尺寸馬達，並優化為可 3D 列印的格式（STL/SCAD）。
*   測試結果：
    *   優點：整體外觀不錯，包含令人意外的細節（氣門蓋上的六角螺栓、正確的機油蓋位置）。
    *   缺點：引擎孔洞深度不足，底座幾何形狀切入圓柱體，整體幾何形狀過於複雜，空氣清淨器與氣門蓋連接性不佳。
    *   結論：雖然展現潛力與細節，但整體 competence 不足，無法實際使用。

### 9. 遊戲生成測試：Street Yeet
*   任務目標：在淺色低多邊形（Pastel low-poly）城市街區中生成遊戲，角色名為 "BigFist McGee"。
*   測試結果：
    *   遊戲機制：包含 "Yeet"（投擲/擊飛）動作，按住滑鼠可進行 Mega charge，包含尋找金色物品與嘗試投擲巴士的機制。
    *   問題：行人（Pedestrians）模型不正確，部分機制邏輯不明確。
    *   評價：模型有趣，類似 "Muse Spark" 早期作品，擅長製作有趣或搞笑的遊戲。

### 10. 多模態創意寫作測試：心理驚悚小說
*   任務目標：根據提供的圖片，生成即將出版的心理驚悚浪漫小說的封面標題與背封摘要。
*   測試結果：
    *   標題：The way he holds me
    *   標語：He'd do anything to keep her smiling.
    *   背封摘要內容：主角 Anna 被 Mark 邀請離開城市，搬入偏遠的維多利亞式老宅，Mark 展現控制慾，Anna 計劃逃跑。
    *   故事大綱提煉（TLDR）：Anna 嫁給 Mark 並搬入隔離住所，浪漫轉為強制控制，Anna 秘密計劃離開，發現 Mark 的第一任女友並非搬走而是失蹤，Mark 威脅她若離開沒人會相信她，Anna 假意順從並錄下他的自白。

### 11. 時間軸城市區塊測試 (3D City Block Timeline Test)
*   測試目的：觀察模型在不同年代（特別是 2055 年未來）的生成內容。
*   測試結果分析：
    *   1985年：呈現日落 VHS 風格。
    *   1945年：畫面變得更粗糙，服裝與車輛反映時代特徵。
    *   1965年：色彩鮮豔快樂，中世紀現代風格建築與車輛尾翼。
    *   2005年：畫面單調，類似企業風格。
    *   2025年：屋頂出現太陽能板，具備一定理解力但未達頂級水平。
    *   2055年：出現懸浮車輛，霓虹發光風格。
*   總體評價：基礎且缺乏其他頂級模型所需的深度與複雜度。

### 12. 地鐵站 FPS 場景測試 (Subway FPS Test)
*   測試環境：透過網頁聊天介面進行。
*   設定：使用建議溫度，目標為統一的美麗地鐵場景並轉為 FPS 視角。
*   測試過程：經過多次嘗試與提示詞修正，最終成功生成大型車站，具備子彈擊中效果，且顯示出地鐵隧道內部視角。
*   亮點：少數能顯示隧道內部視角的模型之一。

### 13. 最終結論與評價
*   價格與成本：考慮價格，看不到價值。
*   優缺點總結：整體結果不佳，未達成熟標準；亮點為地鐵隧道視角、3D 模型測試中閥蓋的個別螺栓、油蓋在正確側邊。
*   比較對象：認為 Composer 2.5 更便宜且更好。
*   總結態度：視為一個久違參與者的改進嘗試，值得關注後續發展，目前對該模型感到失望。

## 工具 / 模型 / 名詞整理

*   **模型/產品**：
    *   Meta Muse Spark 1.1
    *   Muse Spark (前代版本)
    *   Opus 4.8
    *   GPT-55
    *   3.1 Pro High
    *   Grok 4.5
    *   Sonnet (提及作為定價比較對象)
    *   Gemma 412b (提及為較小模型)
    *   Claude (用於協助分析遊戲問題)
    *   GLM 5.2
    *   Kimi K 2.7
    *   GPT-5-6
    *   Composer 2.5
    *   X-High (溫度設定)
*   **開發工具/環境**：
    *   OpenCode
    *   Web Playground
    *   Browser OS
    *   Web chat interface (網頁聊天介面)
    *   3D slicer program (3D 切片軟體)
*   **遊戲/專案名稱**：
    *   Castle Time
    *   Fable 5 (用於生成提示詞)
    *   Chrono (遊戲中的角色/聲音)
    *   GTA (Grand Theft Auto，在 Browser OS 測試中作為彩蛋出現)
    *   Pixel Paint
    *   Nova Drift
    *   Block City GTA
    *   TimeShards
    *   BreachProtocol.exe
    *   C++ skateboard sim (滑板模擬器)
    *   Raylib (程式庫)
    *   Street Yeet / Street eat (遊戲名稱)
    *   BigFist McGee (遊戲角色名)
    *   The way he holds me (小說標題)
    *   Anna, Mark (小說角色名)
    *   Chrono Block Manhattan, After Light, Present Tense, Analog Sunset, Neon Decade, Dream of Tomorrow, Ashes and Victory (時間軸測試中的模型命名列表)
*   **其他專有名詞**：
    *   Deep SWE 1.1 (基準測試)
    *   Sweebench Pro (基準測試)
    *   Meta internal coding bench (Meta 內部編碼基準)
    *   Port 8087
    *   Bluetooth controller
    *   HTML file
    *   C++
    *   Hero section (網頁設計術語)
    *   Low poly (3D 建模術語)
    *   RGB (鍵盤燈光效果)
    *   FPS (幀率 / First-Person Shooter)
    *   TLDR (Too Long; Didn't Read)
    *   STL/SCAD (檔案格式)
    *   Valve covers (引擎氣門蓋)
    *   Air cleaner (空氣清淨器/濾清器)
    *   Carb (化油器)
    *   Hex bolts (六角螺栓)
    *   Oil cap (機油蓋)
    *   Pedestrians (行人)
    *   Pigeons (鴿子)
    *   Golden objects (遊戲中的金色物品)
    *   Mega charge (遊戲中的蓄力攻擊)
    *   Yeet (遊戲中的投擲動作)
    *   Pastel low-poly (淺色低多邊形風格)
    *   City block (城市街區)
    *   Victorian home (維多利亞式房屋)
    *   Social media (社群媒體)
    *   Coercive control (強制控制)
    *   Go-bag (緊急逃生包)
    *   Confession (自白)
    *  State-of-the-art (當前技術領先)
    *   Prime time (黃金時間/主流市場階段)

## 操作流程整理

1.  **基準測試檢視**：
    *   確認 Muse Spark 1.1 在 Deep SWE 1.1 和 Sweebench Pro 的數據提升。
    *   對比 Opus 4.8、GPT-55、3.1 Pro High、Grok 4.5 等模型。
2.  **Castle Time 遊戲測試**：
    *   使用 OpenCode 生成遊戲。
    *   發現鍵盤輸入失效。
    *   嘗試修復失敗後，引入 Claude 分析問題（互動距離與輪詢迴圈）。
    *   修正後遊戲可互動。
3.  **Browser OS 模擬測試**：
    *   生成包含多個應用程式的瀏覽器作業系統模擬。
    *   評估創意功能（遊戲失敗影響桌面背景）與操作映射問題。
4.  **C++ 滑板模擬器測試**：
    *   在不使用 Raylib 庫的情況下，生成 1600 行 C++ 程式碼。
    *   驗證建構與打包過程。
5.  **3D 模型與網頁整合測試**：
    *   生成 Luxury watch 網站前端，發現 3D 模型缺少指針。
    *   嘗試透過 "alert" 指令修正，模型誤解為添加警示列。
    *   生成 ZX Spectrum 筆記型電腦 3D 複製品，評估開合動畫、鍵盤事件與螢幕顯示。
    *   生成 V8 引擎 3D 模型，評估 3D 列印可行性（孔洞深度、幾何形狀）。
6.  **遊戲生成測試**：
    *   生成 Street Yeet 低多邊形城市街區遊戲，評估機制與 NPC 模型。
    *   根據圖片生成心理驚悚小說的封面標題、背封摘要及故事大綱。
7.  **時間軸城市區塊測試**：
    *   測試 1985 至 2055 年不同年代的城市街景生成能力。
    *   評估時代特徵（服裝、車輛、建築）與畫面深度。
8.  **地鐵站 FPS 場景測試**：
    *   透過網頁聊天介面，使用建議溫度生成地鐵站 FPS 場景。
    *   經過多次嘗試，成功生成地鐵隧道內部視角及子彈擊中效果。