Muse Spark 1.2

2026 年 8 月 5 日，Meta Superintelligence Labs 发布 Muse Spark 1.2，同时推出面向终端的编程智能体 Muse Code。官方将 1.2 定位为 Muse Spark 1.1 的编程向更新，称其在代码生成、复杂调试、代码库理解和端到端开发工作流上均有提升。DataLearner 当前机构目录仍使用“Facebook AI研究实验室”作为 Meta/FAIR 相关模型的归档机构，本条目按该目录收录。

相较前代的变化

Meta 表示，Muse Spark 1.2 相对 Muse Spark 1.1 显著扩大了编程任务上的训练算力投入，并扩展了训练环境的多样性。官方描述模型在长程编程任务上做了针对性训练，覆盖整仓库级生成、大型端到端项目和自动化研究类任务；为支撑这类长任务，模型使用规划来编排工作顺序、通过目标条件化保持方向，并对上下文进行压缩。官方给出的一个案例是：模型在一项 GPU kernel 优化任务上持续迭代，跨越 1000 次以上工具调用、最长约 24 小时，相对给定基线实现取得了明显改进。

上下文、模态与接口能力

Muse Spark 1.2 的上下文窗口为 1,048,576 tokens（1M），官方称长任务可在一个会话内从头跑到尾。输入支持文本、图像、视频、音频和 PDF 文档，输出为文本。接口层面支持结构化输出和并行函数调用，可使用 tools / tool_choice 参数以及基于 JSON Schema 的响应格式约束。推理强度方面，官方评测方法学文档说明 Muse Spark 1.2 的最高可用档位为 xhigh reasoning effort。Meta 未公开该模型的参数规模、最大输出长度和知识截止时间，相关字段暂留空。

官方评测成绩

Meta 在发布材料与《Muse Spark 1.2 & Muse Code Evaluation Methodology》中给出了下列成绩（Muse Spark 1.2 均使用 xhigh reasoning effort，经 Meta Model API 提供服务）：

• Terminal-Bench 2.1：82.9%。使用 Muse Code 作为智能体产品，覆盖官方 2.1 版全部 89 个任务，在隔离的 Daytona 沙箱中运行，报告 5 次尝试的平均任务成功率（pass@1）。
• DeepSWE v1.1：59.3%。同样以 Muse Code 运行，采用 Harbor 格式数据集、尽量对齐官方 runner Pier v0.3.0；评测期间禁用外部网络，仅保留模型端点可达，任务需同时通过功能校验器与回归检查才算通过，报告 5 次尝试的平均 pass@1。
• MCP-Atlas：90.3%。该成绩由 Scale AI 使用基准自带的智能体 harness 与评分流水线产出，任务在覆盖率不低于 0.75 时判定通过。
• GDPval-AA v2：1631 Elo。成绩由 Artificial Analysis 在其 Stirrup 智能体 harness 中产出，覆盖 220 项真实职业任务，指标为盲对比得出的 Elo（人类基线锚定为 1000）。
• Meta Internal Coding Bench：70.6%。基于 Meta 内部代码库的 440 个任务，使用内部 harness 与专用评分容器，每任务两次尝试。该基准不对外开放，DataLearner 未单独收录。

需要注意口径差异：Terminal-Bench 2.1 与 DeepSWE v1.1 的官方公开榜单使用统一 harness（DeepSWE 官方榜单为 mini-swe-agent），而 Meta 的评测让每个模型搭配各自的智能体产品，因此与公开榜单并非同一 harness；Meta 也说明其评测设置未针对第三方专有模型调优。截至 2026 年 8 月 7 日，Terminal-Bench 2.1 官方公开榜单尚未收录 Muse Spark 1.2 的核验条目，上述成绩应视为厂商自报结果。

访问方式、价格与许可

Muse Spark 1.2 通过 Meta Model API 提供，也可在 Muse Code 中调用。官方公布的价格为输入 1.25 美元 / 百万 tokens、输出 4.25 美元 / 百万 tokens，缓存读取 0.15 美元 / 百万 tokens，联网搜索按 2.50 美元 / 1000 次调用计费。

许可方面，Muse Spark 1.2 在 8 月 5 日发布时为闭源托管模型，未公开权重。2026 年 8 月 10 日，Mark Zuckerberg 宣布 Meta 将在“未来几周”开放 Muse Spark 1.2 的权重，这是 Meta 自 2026 年 4 月推出 Muse Spark 并停止 Llama 系列以来对闭源路线的一次调整；同日 Meta 以 Apache 2.0 许可发布了 300 亿参数的开放权重模型 Muse Glimmer。截至本条目更新时，Muse Spark 1.2 的权重尚未实际放出，因此仍按闭源收录，后续如权重与许可正式发布可按更新流程修正。