# 影片筆記：Muse Spark 1.1: Meta's First Paid Model (No Longer Open ??)

## 一句話總結
Meta 宣布其最佳模型 **Muse Spark 1.1** 轉為閉源並透過付費 API 開放，定價具侵略性（約為競爭對手的四分之一），並演示了其具備代理（Agentic）行為、多模態感知及與現有開發工具整合的能力。

## 核心重點
*   **策略重大轉變**：Meta 從長期堅持的「開源 AI」策略轉向「付費閉源 API」。過去 Meta 以開源為核心身份（如 Zuck 曾發表《Open Source AI is the Path Forward》），但近期引入 Scale AI 的高管 Alexander Wang 為首席 AI 官，並建立新的超級智能實驗室。
*   **Muse Spark 1.1 定位**：這是 Meta 的第一個付費模型，被描述為具備「代理（Agentic）」行為，不僅是回答問題，還能觀看影片、使用工具並完成任務。
*   **定價策略**：定價被稱為「具侵略性」，價格約為 GPT 和 Claude 的四分之一，意圖直接搶奪競爭對手的客戶。
*   **多模態與代理能力**：
    *   支援影片、圖片、文字輸入。
    *   具備自動識別物品、進行跨國價格研究、生成銷售列表等自動化任務能力。
    *   具備「多模態感知錨定（Perception Grounding）」能力，能根據用戶健康狀況生成推薦與視覺化疊加。
*   **開發者生態整合**：
    *   提供 `dev.meta.ai` 生成 API Key。
    *   Playground 提供免費額度（$20），測試成本極低。
    *   可透過 API Key 配置，強制第三方工具（如 Claude Code）使用 Muse Spark 1.1 進行編碼。

## 詳細大綱
### 1. Meta 的戰略翻轉
*   **背景**：Zuck 曾發表《Open Source AI is the Path Forward》，強調開源。
*   **變化**：
    *   引入 Scale AI 高管 Alexander Wang 為首席 AI 官。
    *   建立新的超級智能實驗室。
    *   發布閉源模型 Muse Spark 1.1。
*   **市場影響**：以低於競爭對手（約為 GPT/Claude 的 1/4）的價格，直接搶奪競爭對手客戶。

### 2. Muse Spark 1.1 核心特性
*   **代理（Agentic）能力**：能行動、觀看影片、使用工具。
*   **多模態輸入處理**：支援影片、圖片、文字。
*   **開發者友好**：整合現有工具鏈（OpenAI setup, Claude Code）。

### 3. 實測演示（Demos）
*   **Demo 1：自動生成 Facebook Marketplace 銷售列表**
    *   輸入：一段兒童滑板車影片。
    *   過程：模型自動識別物品、進行跨國價格研究（美國、英國、加拿大）。
    *   輸出：生成可直接貼上 Marketplace 的完整銷售列表。
*   **Demo 2：在 Claude Code 中強制使用 Muse Spark 1.1 API**
    *   演示如何透過 API Key 配置，強制 Claude Code 使用 Muse Spark 1.1 模型進行編碼工作。
*   **Demo 3：冰箱食材健康評分與視覺化疊加**
    *   輸入：冰箱食材圖片。
    *   過程：模型識別食物，並根據用戶健康狀況（素食、高膽固醇）生成推薦與不推薦的評分。
    *   輸出：生成 HTML 疊加層（HTML overlay）。

### 4. 開發者指南與資源
*   **獲取 API Key**：前往 `dev.meta.ai`。
*   **Playground 使用**：提供免費額度（$20），目前測試成本極低。
*   **第三方整合**：
    *   與 Antigravity（疑點）或 Claude Code 結合開發應用。
    *   提供 Python 和 curl 調用範例。
*   **基準測試（Benchmarks）**：參考影片提及的比較數據。

## 工具 / 模型 / 名詞整理
*   **模型/產品名稱**：
    *   **Muse Spark 1.1**（影片主要討論對象，亦被口誤為 Spark 1.1 或 Mewk Spark）。
    *   **Meta AI / Meta model API**：Meta 的模型 API 服務。
    *   **Meta.ai**：用戶端介面。
    *   **dev.meta.ai**：開發者介面，用於生成 API Key。
    *   **Facebook Marketplace API**：用於生成銷售列表的相關 API。
    *   **Meta's cookbooks**：Meta 提供的範例程式碼庫。
*   **競爭對手/相關模型**：
    *   **GPT**：OpenAI 的模型系列。
    *   **Claude**：Anthropic 的模型系列。
    *   **Anthropic**：Claude 的開發公司。
    *   **OpenAI**：GPT 的開發公司。
    *   **Gemini 3.1**：Google 的模型，影片提及作為基準比較對象。
    *   **4.8**：影片提及的基準測試數字或模型版本（疑點）。
    *   **Lama**：影片提及仍為開源（疑點為 Llama）。
*   **開發工具/環境**：
    *   **Claude Code**：Anthropic 的編碼工具，影片演示強制其使用 Muse Spark 1.1。
    *   **Python**：程式語言，用於調用 API。
    *   **curl**：命令列工具，用於調用 API。
    *   **PowerShell**：命令列工具。
    *   **HTML overlay**：HTML 疊加層，用於視覺化健康評分。
    *   **JSON schema**：資料格式規範。
    *   **Antigravity**：影片提及用於構建應用（疑點為某款 AI 編碼工具名稱）。
    *   **Scale AI**：AI 數據與模型公司，其高管 Alexander Wang 被 Meta 聘為首席 AI 官。
    *   **Zugg**：影片提及來源（疑點為 Zuck 或特定評論者）。
    *   **Global Primo Ping three-wheel kit scooter**：影片識別出的物品名稱（疑點）。
    *   **Pescetarian**：素食者（吃魚的素食者），影片正確拼寫。
    *   **Codecs**：影片提及（疑點為 Code 或 Codecs 的聽寫錯誤）。
    *   **Plot code**：影片提及（疑點為 Python code 或 Code 的聽寫錯誤）。

## 操作流程整理
1.  **獲取開發資源**：
    *   前往 `dev.meta.ai` 生成 API Key。
    *   在 Playground 中測試，利用免費額度（$20）進行低成本測試。
2.  **整合第三方開發工具（以 Claude Code 為例）**：
    *   配置 API Key。
    *   強制 Claude Code 使用 Muse Spark 1.1 模型進行編碼工作。
3.  **執行多模態任務（以 Marketplace 列表生成為例）**：
    *   上傳影片（如兒童滑板車影片）。
    *   模型自動識別物品。
    *   模型進行跨國價格研究（美、英、加）。
    *   模型生成可直接貼上 Facebook Marketplace 的完整銷售列表。
4.  **執行健康評估任務（以冰箱食材為例）**：
    *   輸入冰箱食材圖片。
    *   模型識別食物。
    *   輸入用戶健康狀況（如素食、高膽固醇）。
    *   模型生成推薦與不推薦的評分。
    *   模型生成 HTML 疊加層進行視覺化展示。

## 值得注意的限制或風險
*   **策略轉變的不確定性**：Meta 從開源轉向閉源付費，可能影響開發者生態與信任度。
*   **模型名稱混亂**：影片中正負交替出現 "Muse Spark 1.1"、"Spark 1.1"、"Mewk Spark" 等名稱，可能反映內部命名尚未穩定或口誤頻繁。
*   **技術整合複雜度**：強制第三方工具（如 Claude Code）使用特定 API 可能需要額外的配置與維護成本。
*   **基準測試數據解讀**：影片提及與 Gemini 3.1 及 "4.8" 的比較，但數據來源與具體含義不明確（疑點）。

## 逐字稿辨識疑點
*   **Muse Spark / Spark / Mewk Spark**：逐字稿中交替出現 "MuseSpark 1.1"、"Spark 1.1"、"Mewk Spark"、"new Spark"。根據 Meta 官方命名慣例，極大機率是指 **Llama 3** 或 Meta 新發布的模型，但影片講者口誤或聽寫錯誤導致名稱混亂。
*   **Lama**：影片提到 "Lama isn't dead"，疑點為 **Llama**（Meta 的開源模型系列）。
*   **Zugg**：影片提到 "according to Zugg"，疑點為 **Zuck**（Mark Zuckerberg 的暱稱）或特定評論者名稱。
*   **4.8**：影片提到 "compared themselves against Gemini 3.1, 4.8"，疑點為基準測試的分數或另一個模型版本號，聽寫不清。
*   **Antigravity**：影片提到 "I asked Antigravity to actually build the app"，疑點為某款 AI 輔助編碼工具的名稱（如 Cursor, Windsurf, 或特定內部工具），需查證。
*   **Global Primo Ping three-wheel kit scooter**：影片識別出的物品名稱，疑點為 **Global Primo Pingo** 或類似品牌/型號的聽寫錯誤。
*   **Pescetarian**：影片正確拼寫為素食者（吃魚的素食者），逐字稿聽寫正確，但需注意此為健康術語。
*   **Codecs**：影片提到 "docs and how you're able to use this in plot code... codecs"，疑點為 **Code** 或 **Codecs** 的聽寫錯誤，上下文似指編碼或代碼範例。
*   **Plot code**：影片提到 "use this in plot code"，疑點為 **Python code** 或 **Code** 的聽寫錯誤。

## 可延伸追問
*   Meta 為何在堅持開源多年後，突然轉向付費閉源策略？背後的商業考量為何？
*   Muse Spark 1.1 的「代理（Agentic）」能力具體表現為何？與現有開源模型相比有何優勢？
*   如何準確評估 Muse Spark 1.1 在實際開發場景中的效能與成本效益？
*   Meta 如何平衡開源社區與閉源付費模型之間的關係？
*   第三方工具（如 Claude Code）強制使用 Muse Spark 1.1 的技術實現細節與潛在問題為何？