Meta 发布 Muse Spark 1.3，专为 Agent 工作流优化
Meta 推出了最新的 Muse Spark 1.3 模型，专为长周期的 Agent 工作流和竞技级编程任务进行了深度优化。这款模型不仅能精准追踪上下文和过往结果，还能在处理混乱或冲突的输入时保持稳健，并在必要时主动寻求用户确认。它在代码生成方面表现出色，减少了不必要的交互轮次，输出更加简洁清晰，在多项编程评测中表现可与前沿模型媲美。此外，Muse Spark 1.3 原生支持多模态感知，能够直接理解视频、图像和文档，并通过真实的执行环境进行视觉推理，而非依赖预设脚本。开发者可以通过 Meta Model API 直接调用，或利用 Muse Code 在终端中构建多智能体编码系统，让 AI 真正成为开发过程中的得力伙伴。
给它一张截图或一段视频片段，它就能开始构建。
HN 评论区
438- simonw
llm -m meta-ai/muse-spark-1.3 "Generate an SVG of a pelican riding a bicycle"
https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
花费 4.2266 美分，耗时 38 秒。
作为对比，这是 Muse Spark 1.2 的效果，它在我没要求的情况下自动加了动画：https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
1.3 版本明显更好——自行车车架更合理，翅膀更逼真，鹈鹕戴的帽子也更像样。
更新：这里还有一张图，展示了五个鹈鹕分别对应 Muse Spark 1.3 的五个推理等级：https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
最贵的是 xhigh 推理等级——7.5 美分，耗时 1 分 34 秒。
我也在 1.2 版本上对所有推理等级跑了五个鹈鹕，链接在这里：https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
- superfrank
我开始用 Spark 1.2 做开发，因为如果你愿意让 Meta 用你的数据训练，那价格简直低到尘埃里，而且效果让我惊喜。它当然不是前沿模型，但对于那些不需要顶级模型的任务，我真的很享受用它。
我稍微有点拟人化了，但它感觉很清楚自己的短板，不会强行把它的观点强加给我。我的意思是，它只做我让它做的事；如果生成的代码里有什么意外之处，通常是因为我给的指令模糊或自相矛盾。它不会试图“超额发挥”，只是像个工具一样行事，这正是我 90% 以上时间里对编程代理的期望。我也觉得，它在遵循我代码中既定模式方面，比许多其他当前模型做得好得多。我是 OpenAI 模型的铁粉，而 Spark 1.2 正是我期待 5.6 Luna 能达到的样子。
我对 1.3 既好奇又有点兴奋，但老实说也有点担心，随着 Meta 追求更好的基准测试，Spark 可能会掉进陷阱，开始以我不想要的方式变得“乐于助人”。
有点跑题，但当我刚开始用 Spark 1.2 时，它让我意识到我多么怀念 5.3 Codex。在我看来，那是编程模型的巅峰，因为它懂得如何写好代码，却不会越界或以意想不到的方式变得“乐于助人”。这让我开始思考，各大实验室似乎正在逐渐远离专注于编程的模型……
- Lucasoato
一个在（至少是基准测试中）越来越接近 SOTA 的模型。明确区分了哪些数据用于改进产品，哪些不用（至少这是他们的说法）。
Meta 干得漂亮！认真的。这几乎让我忘了那起关于儿童社交媒体成瘾的 180 亿美元诉讼案。
- XCSme
不错，Muse Spark 确实很棒且不断改进，但它仍然不是所有用例的最佳选择。目前在成本/速度/性能方面，Sol 系列模型自成一派，处于另一个层级。
相比 1.1 和 1.2 版本 [0] 有不错的改进，但我测试 1.3 时（通过 openrouter）发现它非常慢。
[0]: https://aibenchy.com/compare/meta-muse-spark-1-3-high/meta-m...
- bertili
DeepSWE 得分 75.4——这是目前的最高分。而且价格低得离谱！
Google 今天前几个小时还凭借 Gemini 3.8 Flash 占据榜首，但现在屈居 Spark 1.3 之后。这种激烈的竞争肯定会把价格打下来！
- jmward01
muse-spark-1.3-contributor。随你怎么说，但 Meta 将定价改为明确说明“我们会用这些数据训练，并以此估值”，这是每个模型提供商都应该做的。顺便提一句，现在完全显而易见，我的 token 被拿去训练对模型提供商来说值多少钱。我尽量避免/额外付费/尽力确保自己不被用于训练，但似乎总会出现我漏掉某个设置的情况。这是我第一次看到模型提供商给出的量化数字。也许这能在诉讼中帮助量化版权或其他方面的损失？
- apodolny
我喜欢这种提供打折版 API 用于训练，而全价版用于其他用途的做法。看起来很合理，也很透明。
- 7734128
对“贡献者”来说，0.2 美元/百万 token 的价格几乎等于免费。这对爱好者来说很难拒绝。
- kkkamur
天哪，这价格真的低到离谱，我运行了上百个子代理，成本依然很低——当然，用的是贡献者模式 :)。
- Gecko4072
用过 Muse Spark 1.2，完全没被惊艳到。虽然快且便宜，但即使是 GPT 5.6 Terra 感觉能力也强得多。而且，我也真不想支持一家刚被迫支付 180 亿美元心理健康损害赔偿金的公司。