文章摘要
Meta近5个月迭代4款Muse Spark系列大模型，最新推出旗舰版Muse Spark 1.3。该模型推出数小时后，就在第三方AI评测榜单反超谷歌刚发布的Gemini 3.8，它部署成本低，长上下文处理、编程能力提升明显，目前已逐步推送，Meta计划后续发布其开源权重，开发者实测显示其性价比突出，但整体表现仍距顶尖模型有差距。

据行业观察消息，海外科技巨头Meta于近期推出了全新旗舰大模型Muse Spark 1.3。在第三方AI分析指数榜单中，这款新模型的综合得分仅次于两款竞品，排名第三。

Meta联合创始人兼CEO马克·扎克伯格在社交平台上表示，Muse Spark 1.3的性能表现远超预期。

Meta超级智能实验室负责人、首席AI官汪滔则指出，该模型的部署成本极低，几乎可以忽略不计，同时智能体协作、编程能力以及易用性都有了大幅提升。当搭配Muse Code工具使用时，其评测表现可以对标两款顶级竞品组合。

有开发者使用Muse Spark 1.3完成了《我的世界》相关内容制作，整体成本仅10美分，折合人民币约0.67元。

值得注意的是，就在Meta发布新模型的4小时前，谷歌刚刚推出了其最强推理与编程模型Gemini 3.8的两个新版本。但仅过了数小时，Meta的新模型就在第三方榜单上实现反超。当前该指数榜单中，Muse Spark 1.3得分为62分，仅次于66分的Claude Fable 5.1和63分的Claude Opus 5，而Gemini 3.8 Flash的得分为59分。汪滔还在社交平台上调侃谷歌的新模型，称“gemini who？”，甚至调侃“Gemini现在取消上线还不算晚”。

过去5个月里，Meta已经接连推出了四款Muse Spark系列模型：4月首发基础版Muse Spark，7月更新至1.1版本，8月上线1.2版本，加上最新的1.3版本，迭代速度越来越快。

根据Meta公布的基准测试结果，Muse Spark 1.3在五项核心测试中拿下第一，在长上下文处理、编程能力等多数测试项目中都优于GPT-5.6 Sol和Claude Opus 5，仅在Terminal-Bench终端操作Agent测试中与GPT-5.6 Sol打成平手。不过这款模型的Agent能力仍有短板，在联网搜索类Agent、通用知识任务GDPVal-AA v2中的表现相对较弱。

定价方面，Muse Spark 1.3的API定价与前代1.2版本保持一致：每百万token缓存未命中输入为1.25美元，缓存命中输入为0.15美元，每百万token输出为4.25美元。其价格略高于Gemini 3.8 Flash，但比DeepSeek-V4-Pro的高峰期价格更为便宜。

目前Muse Spark 1.3已经在Muse Code和Meta Model API中逐步推送，此前支持的推理模式已经可以正常使用，极致推理模式则将在完成额外安全测试后很快开放。Meta官方表示，团队已经规划了清晰的产品路线图，包括更大参数规模的模型、Muse Spark开源权重版本发布以及更多功能更新。

开发者实测：高性价比与表现的平衡

社交平台上不少开发者分享了自己实测Muse Spark 1.3的体验，多数用户认为这款模型运行速度快、成本低廉，但生成效果并没有达到惊艳的程度。

有开发者对比了Muse Spark 1.1到1.3基于照片生成同一栋建筑3D模拟效果的升级，新版本在几何形状、结构和视觉效果上都有明显提升，而整体成本始终保持在0.6美元左右，折合人民币约4.03元。

另一位开发者对比了开启Ultra超高算力模式的Muse Spark 1.3和Claude Fable 5.1 xHigh的表现，两者使用完全相同的提示词，运行时长均约2小时。该提示词内置了自我迭代优化规则：如果独立评审模型给出的打分低于9.5/10，模型就需要持续优化并重新尝试。

最终Muse Spark 1.3完成了20轮自我优化循环，每轮启动3个智能体，两小时内累计执行超过60次智能体任务，整体成本不到1美元。有网友在评论区质疑，这是否意味着模型始终没有完成最终任务，仅以1美元的成本就停止了迭代。

在开源的3D空间推理基准测试MineBench中，对比Gemini 3.8 Flash和Muse Spark 1.3的实测结果显示：Gemini 3.8 Flash总测试成本1.18美元，平均推理耗时1分51秒，首测Elo评分为1888分；Muse Spark 1.3总测试成本6.57美元，平均推理耗时5分36秒，首测得分1787分，其生成输出质量距离当前顶尖前沿模型仍有一定差距。

还有开发者对比了Muse Spark 1.3、Qwen 3.8 Max、GLM 5.3、GPT-5.6 Sol的综合表现，认为Muse Spark 1.3在成本和速度上可以和Qwen 3.8 Max相媲美，而GLM 5.3则在性能、成本、速度以及token使用量上的综合表现最为出色。

整体来看，虽然Muse Spark 1.3价格低廉且运行速度快，但整体表现只能算是不错。Qwen 3.8 Max的输出成果质量最高、完成度最好，但耗时约一个半小时，而Muse Spark 1.3仅需要约2分钟就能完成基础任务。

核心优势：长周期任务与编程能力升级

Meta官方博客提到，Muse Spark 1.3的核心优势在于支撑长周期复杂任务以及编程开发场景。

这款模型可以和用户协同工作，在单条长对话会话中并行处理多条工作流。当面对开放式目标时，它可以主动调用工具，从杂乱且相互矛盾的信息源中自主构建完整上下文，主动修正方案中的漏洞，并基于已获取的信息输出完整的交付成果。

同时，Meta的研究团队基于多套多样化的评测框架完成了模型训练，让其可以适配各类智能体运行环境。举个例子，当Muse Spark 1.3收到复杂的提示词，需要在不同位置提取活动详情、文案和图片，再编辑组合后在广告管理平台中创建并发布内容时，相比前代模型，它可以在多步骤任务中更好地保留细节要求，不会遗漏约束条件，也不会偏离既定的工作流程。

Meta还优化了模型的多任务处理能力，即便在信息杂乱的单会话上下文中，无论用户是接续过往任务，还是中途打断当前任务，模型都能准确将新输入的提示匹配到对应的任务上。

此外，Muse Spark 1.3可以清晰认知自身的能力边界，知道自己能做什么、不能做什么，了解自己已知和未知的信息，在遇到障碍时可以做出合理应对，而不是生成错误的预测结果。比如当收到“作为小型航空企业的机械工程师，为下一代飞行器设计实验型X型机翼组件，基于附件材料撰写流体仿真报告初稿，包含初步CFD仿真结果和机翼组件CAD模型STEP文件”的提示词时，模型可以生成符合要求的对应文件。

编程方面，相比Muse Spark 1.2，Muse Spark 1.3需要的操作步骤更少，表述更加简洁，整体编码风格也更为清晰。根据Meta工程师的测试结果，它的工具调用次数减少了20%，使用的token数量减少了25%。

此外，研究团队围绕智能体与代码能力相关的多个维度完成了安全升级：Muse Spark 1.3的对抗鲁棒性有所增强，对对抗输入和提示注入攻击的抵御能力得到提升；在处理复杂智能体任务时，模型可以对不可逆操作进行风险判断，并据此审慎执行动作。

行业观察：密集迭代背后的AI战略转向

5个月内迭代4款Muse Spark系列模型，如此密集的发布节奏，或许标志着Meta的AI研发进程发生了明显的战略转向。

从Muse Spark 1.3的能力布局来看，这款模型并没有追求全维度通杀，而是将资源集中在长上下文处理、编程能力等核心场景上，在DeepSWE、OSWorld等面向真实工程任务的基准测试中实现了对前沿模型的反超。

这种针对性的能力取舍或许也证明，未来开发者和企业在选型大模型时，不会再追求“一个模型搞定全部”的方案，多模型路由、根据任务类型调度不同专长模型，可能会成为企业落地Agent应用的主流方式。

以上内容不代表本平台立场，仅供读者参考