Muse Spark 1.3 评测：Meta 的效率突围与未竟的旗舰之争

2026年9月2日，Meta正式发布Muse Spark 1.3，这是该系列在五个月内的第四次迭代。与以往追求参数规模或单项能力突破的路径不同，1.3的升级主题异常清晰：让模型在长程任务中“跑得更稳、花得更少” 。扎克伯格亲自为其站台，称这是该系列在编程和智能体工作上“幅度最大的一次提升”，并放言其性能“便宜得几乎没必要算账”。

1.3最核心的改进在于工作流效率。根据Meta工程团队的内部对比，新模型在完成相关任务时，工具调用次数平均减少约20%，Token消耗量减少约25%。这并非简单的“省字”行为，而是指向智能体任务中真正的成本痛点——上下文装配、失败重试和无效轮次。Meta同时强化了长程任务中的状态保持能力，模型能够在同一对话线程中处理多个工作流，识别计划缺口后主动修订，并在执行不可逆操作前请求用户确认。在长上下文测试中，1.3在256K至512K区间拿到98.5分，领先第二名GPT-5.6 Sol的91.5分；上下文扩大到512K至1M时，仍以98.1分保持显著优势。

独立评测机构Artificial Analysis的数据为1.3的能力提供了第三方锚点。当前公开可用的xhigh版本在Intelligence Index上得分61，与GPT-5.6 Sol（max）和Grok 4.6（high）并列；限量合作伙伴预览的max版本得分62，仅次于Claude Fable 5.1和Claude Opus 5的部分配置。在Agentic知识工作基准Tau3-Bench Banking上，xhigh版本从1.2的35%跃升至47%，max版本进一步达到52%，位列所有模型第一。DeepSWE v1.1编程测试中，1.3取得75.4分，高于官方图表中GPT-5.6 Sol和Opus 5的成绩。不过Meta也承认，在其他测试项目中竞争对手仍保持领先。

成本效率是1.3最具冲击力的维度。标准API定价维持不变：输入每百万Token 1.25美元，输出4.25美元，缓存输入0.15美元。按Artificial Analysis的测算，xhigh版本每个Intelligence Index任务的成本约为0.55美元，而同一档位的GPT-5.6 Sol（max）和Grok 4.6（high）分别约为0.95美元和0.94美元，溢价超过70%。更具争议的是贡献者层级：开发者若允许Meta使用其数据训练模型，输入价格降至每百万Token 0.10美元，输出降至0.20美元，输入价格仅为标准版的约十二分之一。有网友实测让1.3连续运行两小时、执行超过60次Agent调用进行自我改进迭代，全程花费不到1美元。

然而，1.3也存在需要审慎看待的局限。最强性能集中在max配置中，而该版本目前仅向Meta合作伙伴限量预览，公开可用的xhigh版本在Intelligence Index上落后1分，在OSWorld 2.0等基准上与max的差距更为明显。这意味着开发者当前能实际部署的模型，与Meta宣传材料中展示的“前沿性能”之间存在可感知的落差。此外，1.3的成本效率提升部分来自输入Token的显著增加——agentic评测中每任务输入Token增长约57%，输出Token仅增长约8%。对于输入量远大于输出量的任务，这种“以输入换质量”的策略在账单上的表现需要结合具体工作流来评估。

综合来看，Muse Spark 1.3是一款定位精准的效率型旗舰。它在编程和Agent任务上展现出接近头部水平的竞争力，同时将任务成本压到了同档位模型难以匹配的低位。对于需要长时间运行、多步骤调用的编码和自动化工作流，1.3是目前市场上性价比最突出的选择之一。但它尚未真正站上性能前沿——Anthropic的Claude系列仍在Intelligence Index顶端占据位置，而1.3最好的那部分能力，开发者还需要等待。Meta用五个月四次迭代的节奏证明了自己正在认真参与竞争，而1.3的意义或许不在于“登顶”，而在于它让“足够好且足够便宜”这件事，第一次变得如此有说服力。