Meta 正式发布了 Muse Spark 1.3，这是其专为编码和自主代理工作负载设计的旗舰 AI 模型的快速迭代版本。距离上一版本 Muse Spark 1.2 发布不到一个月，1.3 版本在长周期任务管理、工具调用效率及多任务处理能力上实现了显著优化，旨在让 AI 助手在实际工程应用中更加“少废话、多做事”。
- 官方介绍：https://research.meta.ai/blog/introducing-muse-spark-1-3
核心升级：效率与智能的双重提升
- 极致效率：
- 工具调用减少 20%：模型能更精准地选择必要工具，避免冗余操作。
- 令牌消耗降低 25%：输出更简洁，减少了不必要的对话轮次，显著降低了 API 成本并提升了响应速度。
- 风格更干净：代码生成和指令遵循更加直接，减少了“幻觉”和无关内容的干扰。
- 更强的代理能力：
- 长周期任务管理：能在单个长线程中维持多个工作流，主动修正计划漏洞，并跟踪上下文以确保最终交付物的完整性。
- 模糊提示澄清：当用户需求不明确时，模型倾向于主动提问而非盲目猜测，提高了任务执行的准确率。
- 自我认知增强：模型对自身能力和局限性的感知更清晰，遇到障碍时会向用户求助而非强行推进。
- 安全性加固：
- 提升了对抗鲁棒性，更能抵抗提示注入攻击。
- 在执行不可逆行动前具有更好的校准能力，确保代理行为的安全可控。
性能表现
在 Meta 内部的基准测试中，Muse Spark 1.3 展现了强劲竞争力：
- DeepSWE v1.1：得分 75.4，领先于 GPT-5.6 Sol 和 Opus 5。
- 长上下文测试：相比 1.2 版本有大幅提升，能够更好地处理复杂的工程文档和代码库。
- 注：虽然在编码和代理特定领域表现优异，但在其他通用基准上，竞争对手模型仍保持一定优势。
定价策略：性价比不变
Meta 保持了极具竞争力的价格体系，并未因性能提升而涨价：
| 计费项 | 标准价格 (每百万令牌) | 贡献者价格 (每百万令牌)* |
|---|---|---|
| 输入令牌 | $1.25 | $0.10 |
| 缓存输入令牌 | $0.15 | – |
| 输出令牌 | $4.25 | $0.20 |
*贡献者层级允许 Meta 使用数据改进模型，适合对隐私要求不高但追求极致低成本的用户。
如何使用
Muse Spark 1.3 现已通过 Muse Code 和 Meta Model API 开放。
安装 Muse Code (macOS/Linux):
curl -fsSL https://dev.meta.ai/install.sh | bash
未来展望
Meta 确认了令人兴奋的路线图，包括推出参数规模更大的模型，以及备受期待的 Muse Spark 开放权重版本。这表明 Meta 正致力于在保持闭源服务高性能的同时，逐步向开源社区释放其最先进的技术成果，进一步巩固其在 AI 编码领域的领导地位。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
