Muse Spark 1.3 – Meta推出的长周期智能体与编程旗舰模型

Muse Spark 1.3是一款由 Meta 超级智能实验室推出的长周期智能体与编程旗舰大模型，主要用于单条长线程内的多工作流协同与编码任务，支持在指令含糊时主动提出澄清问题、执行关键操作前先向用户确认，适用于需要长时间无人值守运行的智能体开发与团队级编码场景。

Muse Spark 1.3 核心能力

同样的任务，少两成工具调用

1.3 最直观的变化是干活更省：工具调用比 1.2 减 20%、token 用量减 25%，回复也更短。由于推理按输出计费，token 少 25% 等于账单变薄、而官方并未降价。对照起点可参考初代 Muse Spark：2026 年 4 月首款多模态多智能体推理模型，最初仅 meta.ai 可体验，数月后开放 API，如今已迭代到 1.3。

长上下文从够用到真能用

长上下文检索是跨度最大的一项。MRCR 测试中，1.3 在 256K-512K 区间拿 98.5 分（第二名 91.5），512K-1M 区间仍 98.1 分（第二名 73.8，1.2 该区间仅 55.5）。该指标决定智能体能否扛住长任务——任务越长，要记住的越多。

编码与终端操作进入头部区间

在 Meta 基准表中，1.3 于 DeepSWE v1.1 长程编码拿 75.4 分（同表 74.0、73.0）；Terminal-Bench 2.1 为 88.8 分，与 GPT-5.6 Sol 持平；JobBench 64.9、OSWorld 2.0 66.9，均高于 GPT-5.6 Sol，但 GDPVal-AA v2、DeepSearchQA 仍落后 Claude Opus 5。它是编码进头部、通用智能体有短板的偏科旗舰。同日 Gemini 3.8 在自有口径 DeepSWE-1.1 上为 73.7%，属同一梯队。

更像同事，而不是只会闷头跑

行为层面三点对长任务最关键：指令含糊先问清而非硬猜；卡住主动求助；强推分支、删库等不可逆操作前先确认。官方称其对提示注入抵抗更强、对自身能力边界判断更准、幻觉更少。这些改动不体现在榜单上，却决定你能不能把仓库权限放心交给它过夜。

Muse Spark 1.3 与同档模型对比

注：Muse Spark 1.3 数据来自 Meta 官方基准表（AIBase、cnBeta 转述），另两款取自各自官方发布资料；Terminal-Bench 版本不同（2.1 与 4.0），分数不直接可比。

取舍：1.3 用 1.25 美元输入价把长上下文检索与终端编码推到头部，代价是通用智能体基准仍落后 Claude Opus 5；Claude Fable 5.1 输入价是它八倍，卖点在智能体编程与科研；Qwen 3.8-Max 计划开放 Max 级权重，适合自主可控与中文场景。跑长周期任务又在意 token 账单者，1.3 的效率改进比榜单名次更值钱。

Muse Spark 1.3 的应用场景与适用人群

以下场景具备直接价值：

• 长周期智能体开发：同一条长线程并行推进多个工作流，中途可改需求、插新问题，适合跨小时甚至跨天的任务。
• 仓库级编码：结合 Muse Code 完成跨文件重构与测试修复，工具调用减少约 20% 后等待明显变短。
• 长文档处理：100 万 token 上下文配合 98.1 分检索，适合合同比对、论文综述与代码库全景理解。

适用人群：Muse Spark 1.3 主要面向需长时间运行智能体的开发者、以编码为主的工程团队，以及预算敏感但任务量大的中小团队。个人可先用贡献者层验证；若核心诉求是通用对话与知识问答，更均衡的通用旗舰更划算，长上下文场景也可对照 Kimi K3 这类开源方案。

如何使用 Muse Spark 1.3

模型已上线 Muse Code 与 Meta Model API，按身份选入口：

• 开发者接入：在 Muse Spark 1.3 官网开发者平台 申请 Meta Model API 密钥，接口兼容 OpenAI SDK，替换 base_url 与模型名即可迁移。
• 终端编码：安装 Muse Code（Meta 终端编码智能体），1.3 发布当天即成为其默认模型，命令行用自然语言下达仓库级任务。
• 成本敏感团队：选用 contributor 档位（输入 0.10 美元、输出 0.20 美元每百万 token），代价是允许 Meta 用你的数据改进产品。
• 普通用户：等待集成到 Instagram、Facebook 与 Meta AI 助手，无需写代码即可体验。

调用时建议显式设 reasoning_effort 与 max_tokens：推理始终开启且计入输出额度，max 档需官方完成额外安全测试后开放。

Muse Spark 1.3 的价格与开源情况

标准层每百万 token 输入 1.25 美元、缓存命中 0.15 美元、输出 4.25 美元；贡献者层输入 0.10 美元、输出 0.20 美元，低一个数量级，条件是允许 Meta 用你的数据改进产品，涉及敏感代码的团队不应选它。内置网页搜索每查询 0.00825 美元单独计费。开源方面，它是闭源闭权重模型，只能通过 Muse Code 与 Meta Model API 调用；扎克伯格称开放权重版本已在路线图，但未给时间。标准层提示与输出不用于训练，可纳入生产链路；真正要留意的是贡献者层的数据授权条款。

关于 Muse Spark 1.3 的常见问题