Meta发布Muse Spark 1.3：密集迭代下的价格与性能重构
Meta于9月3日发布新一代旗舰模型Muse Spark 1.3。该模型目前已在Muse Code与Meta Model API中逐步上线，推理模式已开放，max-reasoning（极致推理模式）将在完成额外安全测试后开放。
开发布局 agility：
- 发布时间：2026年9月3日
- 新版本：Muse Spark 1.3（5个月内第4版：4月首发、7月1.1、8月1.2、9月1.3）
- 价格：输入token（缓存未命中）$1.25/百万、（缓存命中）$0.15/百万；输出token $4.25/百万
- 权重开放：尚未开放开源权重版本（Meta称未来将发布）
- 已可用：推理模式已上线，Muse Code已逐步推送
性能表现：三项第一，Agent能力成短板
据Artificial Analysis的AI分析指数榜，Muse Spark 1.3得分为62分，仅次于Claude Fable 5.1（66分）与Claude Opus 5（63分），反超谷歌Gemini 3.8 Flash（59分），后者在4小时前刚刚发布。基准测试显示，Muse Spark 1.3在5项测试中拔得头筹，在代码与场外推理大部分测试中优于GPT-5.6 Sol与Claude Opus 5，仅在Terminal-Bench终端操作Agent测试中与GPT-5.6 Sol打平。
其相对薄弱环节在于Agent能力：在联网搜索类Agent与通用知识任务GDPVal-AA v2中分数较低。Meta内部强调，该模型优化方向聚焦于长周期任务支持与编程效率，在单条长对话中可并行处理多条工作流，识别自身能力边界，并在多步骤任务中更好保留细节约束。
价格对比与开发者实测：成本优势显著，生成质量待提升
据开发者实测，Muse Spark 1.3具备显著成本优势。有用户使用其制作《我的世界》游戏，总成本仅10美分；另一开发者开启Ultra超高算力模式运行2小时，自迭代20轮共执行60次以上智能体任务，成本不足1美元。但也有用户指出，长时间自我迭代可能反映任务完成度未达预期。
开源基准测试MineBench显示，Gemini 3.8 Flash总成本$1.18、平均耗时1分51秒、Elo评分1888分；Muse Spark 1.3总成本$6.57、平均耗时5分36秒、Elo评分1787分。这揭示了一组反差数据：Muse Spark 1.3虽成本更低、速度更快，但单次推理质量尚未达到Gemini 3.8 Flash水平。
▲ 部分大模型价格对比（单位：美元/百万token）
| 模型 | 输入（缓存未命中） | 输入（缓存命中） | 输出 |
|---|---|---|---|
| Muse Spark 1.3 | 1.25 | 0.15 | 4.25 |
| Gemini 3.8 Flash | 未公布 | 未公布 | 未公布 |
| DeepSeek-V4-Pro（高峰期） | 未公布 | 未公布 | 高于Muse Spark 1.3 |
综合多位开发者反馈：Muse Spark 1.3在成本与速度上可媲美Qwen 3.8 Max（后者完成任务耗时约1.5小时，Muse Spark约2分钟），但输出完成度与质量稍逊；GLM 5.3在性能、成本、速度、token使用量四维综合表现最佳。
落地建议：适合谁用，谁该再等等
适合即刻试用：
- 专注于长上下文、多步骤工作流的开发团队（如Agent编排、自动化流程）
- 对推理成本极度敏感、需高频调用API的轻量级应用
- 需要快速原型验证、低门槛调试的初创项目
建议再等等：
- 对单次输出质量与任务完成率有硬性门槛的生产环境
- 依赖强Agent联网搜索与知识检索能力的应用场景
- 追求SOTA生成效果、希望一次调用即达终态的交互设计管线
写在最后
Meta连续5个月发布4个大模型版本，折射出其研发节奏从保守试探转向快速迭代。其不贪全场、聚焦“长上下文+编程+任务保持”的取舍，预示行业正从“全能型大模型”迈向“专精型调度时代”——企业将更倾向按任务类型混合使用不同优势模型，而不再孤注一掷押注单一模型。