Meta 把新一轮模型价格战又往前推了一步。
9 月才过去 3 天，文中提到已经有 5 个前沿模型发布：Anthropic 的 Fable 5.1 和 Mythos 5.1、谷歌的 Gemini 3.8 Flash 和 Cyber，以及 Meta 的 Muse Spark 1.3。就在前一晚，谷歌 Gemini 3.8 Flash 刚刚发布，Meta 随即跟进。
马克·扎克伯格在 X 上宣布，Muse Spark 1.3 正式发布，并称这款模型以「前沿性能」带来「几乎便宜到无需计量」的体验，还表示这是 Meta 在编程和智能体工作方面迄今最大的飞跃。
Meta 超级智能实验室负责人 Alexandr Wang 也连续发布多条 X 帖文，介绍这次更新的核心变化。按他的说法，与 Muse Spark 1.2 相比，Muse Spark 1.3 减少了无效轮次，工具调用次数减少约 20%，token 消耗减少约 25%，在长周期任务中对需求的保持能力更强，「用户会明显感受到这次飞跃」。
Muse Spark 1.3 跑分进入第一梯队
文中称，Muse Spark 1.3 发布后，刚上线不久的 Gemini 3.8 Flash 迅速承压。从多项基准测试结果看，Muse Spark 1.3 的提升幅度更大。
在 Max 推理强度下，Muse Spark 1.3 在 Artificial Analysis 的智能指数达到 62 分，超过 GPT-5.6 Sol 和 Fable 5，并进入当前第一梯队。文章还提到，Meta 在 5 个月里已经迭代了 4 个 Muse Spark 版本。
在被用来衡量长程编程能力的 DeepSWE v1.1 基准测试中，Muse Spark 1.3 得分 75.4，超过 Claude Opus 5 的 74.0 和 GPT-5.6 Sol 的 73.0，也领先于 Gemini 3.8 Flash。
- Muse Spark 1.3：75.4 分
- Claude Opus 5：74.0 分
- GPT-5.6 Sol：73.0 分
在其他开发者常看的指标上，这一模型也拿出了较高分数：
- SWEAtlas CodeBase QnA：59.4 分，超过 GPT-5.6 Sol 和 Opus 5
- Terminal-Bench 2.1：88.8 分
- MRCR 512K-1M：98.1 分
作为对比，文中给出的 GPT-5.6 Sol 在 MRCR 512K-1M 上的分数为 73.8。Agent 能力方面，Muse Spark 1.3 在 JobBench、OSWorld 等测试中与 Opus 5 的差距只剩几个百分点。
Artificial Analysis 的对比结果也被反复提及。文中称，Muse Spark 1.3 的智能指数为 62 分，与 Claude Fable 5 持平；而在成本侧，Muse 的输入成本比 Fable 5 低 8 倍，输出成本低近 12 倍。
面对这组成绩，Alexandr Wang 直接在社交平台上点名谷歌，称 Gemini 在 Artificial Analysis 智能指数上的表现落后，只能「吃别家模型的汽车尾气」。
低价成为这次发布的另一核心卖点
这次 Muse Spark 1.3 被反复强调的，不只是跑分，还有价格。
按文中说法，Muse Spark 1.3 没有沿着单纯堆参数的路线走，而是针对长周期编程和更强的指令遵循能力进行了专门训练，以减少不必要的交互轮次，并让输出更加简洁。对应结果是模型在代码风格、回答长度和 token 使用效率上都更紧凑，成本明显下降。
文中举了一个开发者实测案例。开发者 @SPAC89 使用 Muse Spark 1.3 Ultra Contributor 模式，与 Fable 5.1 xHigh 进行对比。测试 prompt 中设置了一条「自我改进规则」：如果独立评委评分低于 9.5/10，智能体必须继续改进代码并重新尝试。
两个模型都运行了约 2 个小时。按文中描述，Muse Spark 1.3 在这段时间内完成了 20 轮自我改进循环，每轮启动 3 个智能体，相当于在 2 小时内运行了 60 多次智能体任务，而总成本不到 1 美元。该开发者称：「这完全超出了我的预期，这玩意儿简直是一件艺术品！」
在公开定价上，Meta 维持了每百万 token 输入 1.25 美元、输出 4.25 美元的价格。文章还称，贡献者版本 muse-spark-1.3-contributor 的价格处于海外模型中的地板水平，但相应代价是用户数据将被用于改进 Meta 的产品。
Codedamn 创始人、开发者 Mehul Mohan 评价称，Muse Spark 1.3 贡献者层的定价「离谱得不真实」，并把它称作美国 AI 实验室的「DeepSeek 定价时刻」。
按照 Artificial Analysis 的统计，在同等智力水平，即得分 59 以上的模型中，Muse Spark 1.3 的单任务成本为 0.55 美元。文中给出的其他对比包括：
- Grok 4.6：0.94 美元
- GPT-5.6 Sol：0.95 美元
- Claude Opus 5：1.23 美元
开发者 Kartik 还提到，Muse Spark 1.3 似乎具备类似 Sol 和 Fable 的「循环深度」推理能力，即不是一次性直接生成答案，而是在内部进行逻辑推演，这让它的 token 效率更高。
Meta 把目标指向 7×24 小时个人智能体
Muse Spark 1.3 的发布，也被放进 Meta 更大的产品路线中解读。
文中回顾，今年 7 月 Meta 发布 Muse Spark 1.1，主打 1M 超长上下文和计算机操作能力。不到两个月，1.3 版本已经把长程编码能力推到 GPT-5.6 的档次。文章将这种高频迭代归因于 Alexandr Wang 接手 Meta 超级智能实验室后的推进速度。
Meta 方面反复强调的两个关键词，是「智能体」和「便宜到忽略不计」。按文中说法，Meta 正将下一个风口押注在「智能体工程」上。
文章援引 Alexandr Wang 接受 Axios 采访时的说法称，所有可用性改进都在服务于扎克伯格多次提及的目标：打造 7×24 小时在线的个人智能体。
文中将这一目标拆成两个条件：
- 模型需要足够聪明且稳定，能够支撑极长对话线程，并行处理多个工作流，在指令模糊时主动提问，遇到阻碍时向人类求助，在关键操作前确认，并尽量避免幻觉。
- 模型运行成本必须足够低。如果个人智能体每天运行成本达到数十美元，就很难成为大众化产品。
按照文章的判断，Muse Spark 1.3 的定位，就是为这类 7×24 小时个人智能体铺路。文中还提到，北京大学校友、Meta 研究员孙之清透露，Meta 团队在此前的牛油果 avocado 模型基础上再次进行了后训练，实现了更好的测试 scaling。
高分之外，行业对刷榜的质疑仍在扩大
不过，围绕 Muse Spark 1.3 的讨论并不只有赞扬。
AI 机构 BridgeMind 在一段评论中写道，Gemini 3.8 Flash 和 Muse Spark 1.3 同一天发布，两者在基准测试上看起来都很强，Muse Spark 1.3 目前在智能指数上与 Fable 5 并列，「我想感到兴奋，但我没有」。
BridgeMind 进一步表示，这个月的 AI 发布几乎都呈现同样的模式：分数快速上升，但真实世界的体验没有同步改进。这让其对基准测试的信任持续下降，对那些玩弄基准的实验室也越来越缺乏信任。
文章还提到，有网友对 Muse Spark 1.3、Gemini Flash 3.8z 在后端级 3D 约束下进行了压力测试，并据此认为两个模型都暴露出问题：其中提到「Muse Spark 1.4 并没有那么好，而 Gemini Flash 3.5 纯纯在刷榜」。
文中据此指出，当前各家实验室已经陷入「为了跑分而训练」的怪圈，DeepSWE、Tau3-Bench、GPQA 等测试被当作重点攻克对象。
即便在 Artificial Analysis 的深度报告里，Muse Spark 1.3 也并非没有短板。文章提到，在 AA-Omniscience 测试中，xhigh 和 max 版本的成绩都有所下降，原因是模型的「弃权率」上升：当它不确定时，更倾向于不回答，而不是编造答案。这样做降低了幻觉率，但也侧面说明，它的绝对知识储备并没有像跑分表现那样同步大幅提升。
大模型竞争转向长程任务与成本效率
围绕 Muse Spark 1.3 和 Gemini 3.8 Flash 的同日发布，文章最后给出几项判断。
其一，基座模型依赖参数扩张带来的红利正在接近上限，单纯通过扩大参数规模来提升智力，边际收益越来越低。未来更重要的，可能是像 Muse Spark 1.3 这样，在系统架构里引入类似「循环深度」的推理机制，并在工具调用上做减法。
其二，竞争焦点正在从「谁更会说话」转向「谁更能干活」。在这一框架下，核心壁垒不再只是单点跑分，而是在极低成本下完成长程任务的真实落地能力。
文章认为，像 Muse Spark 1.3 这样能用不到 1 美元完成 60 次试错循环的模型，会直接改变商业模式。
参考资料包括 Meta 官方博客、Artificial Analysis 页面、Alexandr Wang 与孙之清等人在 X 上发布的内容，以及开发者 @SPAC89 的测试记录。