Muse Spark 1.3 是 Meta 迄今为止性能最强的 Muse Spark 版本：其公开的 xhigh 模型在人工智能分析指数（Artificial Analysis Intelligence Index）中达到 61 分，保持着 100 万令牌的上下文窗口，并在我们的首次响应 API 测试中通过了全部三项中等难度的编码任务。. 需要特别注意的是，Meta的标题基准图表使用了“max reasoning”功能，而截至本评测撰写之时，“max reasoning”功能仍在等待经过进一步安全测试后进行更广泛的发布。.
Muse Spark 1.3 评测：简评
我们的结论
对于编程代理、长上下文处理以及对成本敏感的自动化任务而言，Muse Spark 1.3 值得一试。其公开的 xhigh 结果已具备前沿竞争力，但请不要将 Meta 的最高得分视为当前每位 API 用户都能复现的结果。.
Meta 于 2026 年 9 月 2 日发布了 Muse Spark 1.3, ，使其能够适应长期代理工作流、生成更简洁的代码输出，并实现更可靠的协作。这延续了向 基于工具使用模型构建的AI代理. Meta 表示，当需求不明确时，系统会提出澄清问题；遇到困难时会发出提示；在执行重要操作前会进行确认。在与 1.2 版本的内部对比中，Meta 工程师观察到工具调用次数减少了约 20% 次，令牌使用量减少了 25%。这些是提供商声称的数据，并非我们测试的结果。.
与 Muse Spark 1.2 相比有哪些变化？
人工分析：xhigh上的57至61。.
Meta在DeepSWE上的报告数据为75.4与55.0，但将1.3 max与1.2 xhigh进行了比较。.
1M窗口依然存在；在Meta的图表中，高频段MRCR分数大幅上升。.
代币率保持不变，而AA的指标为每项评估任务$0.55，相比之下，此前为$0.40。.
Muse Spark 1.3 基准测试：Max 和 Xhigh 并不相同
Meta的官方图表 表现令人印象深刻。Muse Spark 1.3 在 Terminal-Bench 2.1 上的最高得分为 88.8，在 DeepSWE v1.1 上为 75.4，在 MRCR 512K-1M 上为 98.1，在 OSWorld 2.0 上为 66.9。 它在 Terminal-Bench 测试中与 GPT-5.6 Sol 并列最高分，并在两个长上下文 MRCR 测试中领先于所列竞争对手。开发者若需对比更广泛的市场情况，可参考我们的 coding-agent 概述 作为补充背景信息。.
元报告，最大推理
| 基准 | 1.3 最大值 | 1.2 ×高 | GPT-5.6 Sol max | Opus 5 max |
|---|---|---|---|---|
| 终端平台 2.1 | 88.8 | 82.9 | 88.8 | 86.7 |
| DeepSWE v1.1 | 75.4 | 55.0 | 73.0 | 74.0 |
| OSWorld 2.0 | 66.9 | 47.6 | 62.7 | 68.3 |
| MRCR 512K-1M | 98.1 | 55.5 | 73.8 | 不适用 |
不同的努力设置、代理框架和OSWorld版本限制了直接可比性。Meta还将“Agentic IF指数”描述为一个内部综合指标。.
如何阅读图表
1.3、GPT-5.6 Sol 和 Opus 5 使用 max；1.2 使用 xhigh。.
命名代理和固定连接器在不同评估中有所不同。.
1.3 和 1.2 版本运行时使用的环境版本不同。.
Agentic IF 指数是 Meta 编制的综合指数，并非单一的公开基准指数。.
“人工分析”提供了更清晰的视角 用户目前可以访问的内容。 Muse Spark 1.3 xhigh 得分达到 61，高于 1.2 版本的 57。其 Terminal-Bench 测试结果为 85%，GDPval-AA v2 为 1709 Elo，Tau3-Bench Banking 为 47%。 限时预览版中的最高配置版本总分达到62。但也存在性能倒退：AA-LCR从83%降至79%，而AA-Omniscience Accuracy在xhigh模式下的得分从45%降至42%。.
Muse Spark 1.3 定价
撰稿人
muse-spark-1.3-contributor
$0.10 输入 / $0.002 缓存 / $0.20 输出 每百万代币。.
提示词可用于改进 Meta 的产品。.
标准
muse-spark-1.3
$1.25 输入 / $0.15 缓存 / $4.25 输出 每百万代币。.
Meta表示，该层级并非用于改进其产品。.
"(《世界人权宣言》) 官方代币价格 与 1.2 版本相比没有变化，但每项任务的成本却有所不同。我们的 一体化AI平台评测 解释了为何应分别评估访问成本和工作流成本。人工分析测得，每个“智能指数”任务的消耗为$0.55（1.3倍于基准值），而1.2倍于基准值的消耗为$0.40，这主要归因于代理评估中约57%的额外输入令牌。 贡献者层级的价格极其低廉，但其数据使用条款是产品选择中的关键考量，而非可忽略不计的细则。.
Muse Spark 1.3 API 访问
Meta的 官方食谱 现在使用 muse-spark-1.3 作为默认设置，并记录了 1,048,576 个令牌的上下文窗口。该 API 与 OpenAI SDK 兼容。Muse Code 和 Meta Model API 已被确认是当前可用的访问途径。 Meta 的模型页面还显示了 OpenRouter，尽管点击其按钮时仍指向 1.2 版本的 URL，因此部署前请核实访问路径。有关代理互操作性的背景信息，请参阅我们的指南： MCP 和 AI 工具.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.meta.ai/v1",
api_key=os.environ["MODEL_API_KEY"],
)
response = client.chat.completions.create(
model="muse-spark-1.3",
messages=[{"role": "user", "content": "请审查此补丁是否存在回归问题。"}],
)
print(response.choices[0].message.content)实操编程测试：3/3 通过
我们在温度为零的条件下，通过 API 对三个中等难度的仓库任务进行了测试，每个任务仅生成一个响应。每个响应都必须以结构化 JSON 格式返回完整的文件。随后，我们将这些文件放入可丢弃目录中，并执行了公开和隐藏检查。这些只是小型受控测试，不能替代 Terminal-Bench 或生产环境仓库的测试。.
5/5 个测试；18.4 秒；2,473 个标记；$0.00905。该模型发现了未使用的已处理 ID 集合，添加了一个早期重复检查机制，并编写了一个回归测试。.
通过了类型检查和两项运行时检查；耗时 47.6 秒；4,945 个令牌；$0.01661。在不破坏事务边界的情况下，将验证、持久化和审计日志记录进行了分离。.
9/9 项测试；20.3 秒；3,789 个标记；$0.01446。CSV 兼容性、行号错误、原子输出、干跑安全性、帮助和文档均通过。.
共计 11,207 个代币和 $0.04013。时间指端到端请求时间，而非 Meta 原生 API 的延迟或 TTFT。.
结果比单纯的“3/3”所显示的要好：这三个首轮响应均可复现，且考虑到了约束条件。在阅读我们的论文时，同样的证据标准同样重要： GPT-5 评测. 不过，该示例并未测试工具调用的重复可靠性、大型代码库的导航功能，以及 Muse Code 的协调层。正在评估经济型替代方案的读者或许还会发现我们的 预算编码模型比较 有用的。.
开发者们的初步反响
初步反响褒贬不一，且数量太少，尚无法形成共识。在一篇 Hacker News 测试, 西蒙·威利森报告了一次耗时38秒、耗费4.2266分的SVG测试，并认为1.3版本的测试结果“绝对比”他之前1.2版本的对比结果更好。. 达克斯对此次发布进行了说明 以此提醒自己，他有多么想念那些身材火辣的模特。. 金成, ……在体验了大约一小时的Muse Code后，他表示该模型或许不错，但Muse Code的产品“还有很多改进空间”。最后这条评论针对的是代理体验，而非纯粹的模型测试。.
利与弊
哪些方法奏效了
- 公众评分很高
- 1M-token上下文窗口
- 兼容 OpenAI 的 API
- 三项编程任务均通过了首次响应
- 贡献者级别的代币奖励率极低
看什么
- “标题最大显示结果”并非默认的公开体验
- 独立任务成本较1.2有所上升
- 两个独立指标的回归分析
- 贡献者数据可能有助于改进Meta的产品
- 针对“Early Muse Code”的初期反馈褒贬不一
哪些人适合使用 Muse Spark 1.3？
用途：
编码代理评估、大规模语境库工作、工具驱动的自动化，以及在数据政策可接受的情况下进行的成本敏感型实验。.
何时跳过或等待
您需要经过验证的长期生产可靠性，需要立即获得最大容量，或者无法接受“贡献者”级别的数据使用方式，且认为标准定价缺乏竞争力。.
Muse Spark 1.3 评测结论
Muse Spark 1.3 值得推荐进行评估。. 它集成了前沿水平的公共高性能计算能力、出色的长上下文处理效果、直观易用的 API 设计以及极具竞争力的定价。我们设计的三个应急编程任务进一步证明，它能够遵循多文件约束条件，并生成可测试的补丁。.
对于敏感代码，请选择标准级别。有关另一项前沿比较，请参阅 GPT-5 与 Claude 4 对比. 在该推理级别得到广泛应用之前，应将最高基准测试结果视为预览性证据。同时，应将 Muse Code 与模型 API 分开评估：代理的用户体验、工具循环和存储库控制，其成败与基础模型无关。.
Muse Spark 1.3 常见问题解答
什么是 Muse Spark 1.3？
Muse Spark 1.3 是 Meta 于 2026 年 9 月 2 日发布的编程与代理工作流模型，具备 100 万令牌的上下文窗口，并支持原生图像、视频和文档感知。.
Muse Spark 1.3 的价格是多少？
标准模型的费用为：每百万个输入代币 $1.25，缓存输入 $0.15，输出 $4.25。 贡献者模型的费用分别为 $0.10、$0.002 和 $0.20，但其数据可能会被用于改进 Meta 的产品。.
是否支持 Max Reasoning？
Meta表示，现有推理模式将在上线时提供，而“max”模式将在经过进一步的安全测试后推出。在认为该功能已全面上线之前，请先查阅最新的API文档。.
Muse Spark 1.3 通过了编码测试吗？
是的。其首次响应通过了我们针对 Python 漏洞修复、TypeScript 重构以及 JSONL 功能测试的所有可执行性检查。该示例仅包含三个受控任务，并不代表一般的可靠性率。.
Muse Spark 1.3 比 1.2 更好吗？
总体而言，根据现有证据来看。公开的xhigh智能得分从57升至61，Meta报告称在代理能力和长上下文处理方面取得了显著进步，但Artificial Analysis还发现任务成本有所增加，且在长上下文检索和事实校准方面出现了轻微退步。.
我应该使用“贡献者”模式还是“标准”模式？
对于敏感或专有提示词，请使用标准选项，因为Meta表示这些数据不会用于改进其产品。Contributor选项虽然价格低廉得多，但其提示词可能会被用于产品改进。.
