Meta Platforms于2026年9月2日发布其迄今最强大的AI模型Muse Spark 1.3，该模型专为延长智能体工作流与增强编码能力设计。Meta首席AI官Alexandr Wang表示，该模型在编码能力上超越OpenAI的GPT-5.6 Sol，与Anthropic的Claude Fable 5.1表现持平。
定价方面，Muse Spark 1.3维持与前代Muse Spark 1.2相同的价格体系，通过Meta Model API向开发者提供付费访问。具体标准为：每100万词元输入费用1.25美元（约合人民币8.4元），每100万词元缓存命中输入费用0.15美元（约合人民币1元），每100万词元输出费用4.25美元（约合人民币28.6元）。
Alexandr Wang透露，Meta Model API平台市场采用势头强劲，部分开发者的周用量已达到万亿级token规模。新模型将逐步整合至Instagram、Facebook及Meta AI助手等产品线中，为更广泛的用户场景提供底层模型能力支撑。
根据官方博文披露的技术细节，相较于Muse Spark 1.2，最新1.3版本在代码生成效率上实现显著提升。新版本减少了不必要的代码迭代，生成的代码更简洁，整体编码风格更为清晰。在基准测试中，工具调用次数减少了约20％，完成相同任务所需的token数量降低了25％。这些改进直接降低了开发者的API调用成本，对高频调用场景下的成本控制具有实际意义。
Muse Spark 1.3的核心优化方向聚焦于长周期智能体任务。模型能够在单一长线程中协作处理多个工作流，主动修正计划缺口并跟踪学习成果。在交互层面，面对模糊指令时，模型会主动提出澄清问题；遇到障碍时请求用户协助；在执行关键操作前寻求确认。这一系列行为设计旨在提升模型在复杂任务中的可靠性和可控性，减少因误解指令而产生的无效操作。
在指令遵循能力方面，新模型在处理复杂长指令时的可靠性有所提升，多步骤任务中能够更好地保留详细需求，不丢失约束条件。多任务处理能力同样获得增强，模型可以更准确地将新指令映射到单一线程中的正确任务，降低了多任务并行时的指令混淆概率。此外，官方表示模型对自身能力与局限性的认知更加清晰，减少了幻觉输出现象。
从行业竞争格局来看，Meta此次发布的Muse Spark 1.3直接对标当前头部AI实验室的旗舰模型。编码能力作为企业级AI应用的核心评估维度之一，正成为各家大模型厂商的竞争焦点。Meta选择在API定价上保持与前代一致，而非跟随市场提价，这一策略有助于在开发者生态中维持吸引力，尤其是在部分头部开发者周token消耗量已达万亿级的情况下，价格稳定性对存量客户的留存和新客户的拓展均构成利好。
随着Muse Spark 1.3逐步向Meta旗下社交应用及AI助手产品线渗透，该模型的实际表现将接受更大规模用户场景的检验。对于依赖大模型API进行应用开发的企业客户而言，模型在长线程任务处理、成本效率和幻觉控制方面的改进，意味着智能体类应用在生产环境中的可用性有望进一步提升。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
