Muse Spark 1.3：改了什麼、要花多少、在哪裡用
Meta 九月的模型更新在 Muse Code 裡取代了 Muse Spark 1.2，而且沒有漲價。亮眼的 benchmark 成績有個但書——而效率上的提升，對你的帳單可能更有感。
9 月 2 日推出了什麼
Meta 在 2026 年 9 月 2 日發布 Muse Spark 1.3，距離 1.2 只隔了四週。同一天，它就成為 Muse Code 背後的模型，也在 Meta Model API 上線，付費開發者的存取權則在 9 月 3 日開放。在 API 上，它一樣分成兩個熟悉的變體：muse-spark-1.3，資料永遠不會被拿去改進 Meta 的產品；以及 muse-spark-1.3-contributor，正因為資料會被這樣使用，所以便宜得多。情境視窗維持 100 萬 token，模型接受文字、圖片與影片輸入，輸出文字。
如果你在用 Muse Code，什麼都不必做：agent 已經自動換上 1.3。
實際改了什麼
Meta 對 1.3 的定位圍繞著真實世界的可用性，而不是原始能力：
- 更長的對話串。 它能在單一對話串裡、跨多個工作流程，撐住更長時程的工作——正好搭配 Muse Code 結束 beta 時新增的 Workflows 功能。
- 不確定就問，不再亂猜。 它會提出釐清問題、卡住時會主動說出來，對自身能力的界線也拿捏得更準，而不是回報它其實沒達成的結果。
- 跑得更精簡。 在 Meta 工程師的比較中，完成同樣的程式工作，它比 1.2 少了約 20% 的工具呼叫和 25% 的 token。
最後一點，正是你的帳單會注意到的。價格沒變，所以每個任務少用的 token 就是實打實的折扣：如果這個降幅在你的工作負載上站得住，一件在 1.2 上要花 1.00 美元 token 費用的工作，在 1.3 上會接近 0.75 美元。
Benchmark 的但書
Meta 發表時的成績單很漂亮——但最好看的數字來自 max 推理設定，而這個設定在發表時還在做最後的安全測試，只開放給少數合作夥伴。針對這個設定，Meta 公布的成績如下：
| Benchmark | Muse Spark 1.3（max） |
|---|---|
| DeepSWE 1.1 | 75.4% |
| Terminal-Bench 2.1 | 88.8% |
| SWEAtlas CodeBase QnA | 59.4% |
| 長情境檢索（MRCR，256K–512K） | 98.5% |
根據 DataCamp 對這份成績單的整理，這讓它在 DeepSWE 上領先 GPT-5.6 Sol（73.0）和 Claude Opus 5（74.0）。大多數開發者在發表時拿到的設定，分數比較低。VentureBeat 的比較顯示，正式上線的模型在 Artificial Analysis Intelligence Index 拿到 61 分——與 GPT-5.6 Sol（max）和 Claude Opus 5（high）並列——並顯示它在 agent 任務上與 max 設定之間的落差，例如 OSWorld 2.0（57.2 對 66.9）和 JobBench（61.2 對 64.9）。請把開頭那張成績表當成天花板，而不是你第一次 session 的實際感受。
要花多少
價目表上什麼都沒變：
| 每百萬 token | Standard（muse-spark-1.3） |
Contributor（muse-spark-1.3-contributor） |
|---|---|---|
| 輸入 | 1.25 美元 | 0.10 美元 |
| 快取輸入 | 0.15 美元 | 0.002 美元 |
| 輸出 | 4.25 美元 | 0.20 美元 |
在 Muse Code 裡，你也可以選擇 5 美元起的月費方案，完全跳過 token 計費；定價頁面比較了各種選項。
在哪裡用
- Muse Code——預設模型；
/model可以在 session 中途切換變體。 - Meta Model API——相容 OpenAI 與 Anthropic SDK，可直接替換；換掉模型 ID，其餘程式碼照舊。
- OpenRouter——
muse-spark-1.3和muse-spark-1.3-contributor都已上架。 - Cursor——團隊版和企業版需要管理員先啟用 Meta provider；Cursor 提供 300K token 的情境，或在 Max Mode 下使用完整的 1M，每 token 費率相同。
Muse Spark 是開源的嗎？
截至 2026 年 10 月，算是部分開源。你在 Muse Code 和 API 上用的託管版 Muse Spark 1.3 無法下載——它只能透過 Meta 的產品和 API 使用。不過在 2026 年 10 月 15 日，Meta 發布了一個開放權重的 Spark：Muse Spark Open，一個混合專家（MoE）模型，總參數 8,160 億（啟用 420 億），情境視窗 100 萬 token。它採用 Muse Model License——Meta 自訂的授權，未經 OSI 認可——而且就算用 NVFP4 精度，也需要大約 700 GB 的加速器記憶體：這是工作站或叢集等級的模型，不是筆電跑得動的。需申請存取的權重以 meta-models/Muse-Spark-Open-816B-A42B 放在 Hugging Face 上。
Meta 的小型開放權重模型仍然是 Muse Glimmer，於 2026 年 8 月 10 日發布：一個從 Muse Spark 蒸餾而來、300 億參數的 agentic 模型，採用 Apache 2.0 授權，量化後（約 20 GB）小到能在單張消費級 GPU 上執行。權重以 meta-models/Muse-Glimmer-30B 放在 Hugging Face 上，可以在 Ollama 和 LM Studio 裡執行。Meta 並沒有把 Glimmer 列為 Muse Code 可用的模型，所以請把它當成一個獨立的本機選項，而不是同一個 agent 的免費版。
更新（2026 年 10 月）
Muse Spark 1.3 已經不是 Meta 最強的模型了。10 月 12 日，Meta 推出旗下第一批前沿模型 Muse Wonder 與 Muse Wonder Full。Wonder 已登上 Meta Model API，模型 ID 是 muse-wonder-1.0，每百萬輸入 token 4.00 美元、輸出 20.00 美元，在 Muse Code 裡也能用；Wonder Full 則只開放給 Power 與 Maximum 方案的 Muse Code 訂閱者。我們的 Muse Wonder 指南兩者都有介紹。Spark 1.3 仍是便宜、低延遲的主力模型，價格維持上面那些不變。另外，10 月 15 日 Meta 發布了第一個開放權重的 Spark——Muse Spark Open。
該不該換？
如果你在用 Muse Code，你已經換了。如果你透過 API 呼叫 Muse Spark 1.2，換過去只要改一行模型 ID——換之前和換之後都拿你自己的 prompt 跑一遍，因為「更少 token」是平均值，而你的工作負載可不是平均值。想知道 Spark 系列是怎麼走到今天的，請看我們寫的 Muse Spark 1.2 如何訓練；想知道它在對手 agent 之間的位置，請看比較頁面。