Muse Spark 1.3 适合什么任务？
它主要面向长周期智能体工作流、复杂编程、代码库理解、工具调用、计算机操作和多步骤知识工作。
MU
Muse Spark 1.3
推理大模型编程大模型Muse SparkMuse Spark 1.3 by Meta Superintelligence Labs
发布时间: 2026-09-02更新于: 2026-09-11浏览量: 711
上下文长度
1M
Muse Spark 1.3 是 Meta 于 2026 年 9 月 2 日发布的闭源多模态推理模型，已在 Muse Code 和 Meta Model API 上线，面向长周期 Agent 与编程工作流。官方给出 1M 上下文，以及每百万 token 输入 $1.25、缓存输入 $0.15、输出 $4.25 的主模型价格。max reasoning 尚待额外安全测试后开放；参数量、最大输出与知识截止时间未公开。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Muse Spark 1.3
模型基本信息
推理过程
支持
思考模式
思考水平 · 极高 (Extra-High) (默认)
上下文长度
1M tokens
最大输出长度
暂无数据
模型类型
推理大模型
输入/输出模态
文本、图像、视频 → 文本
发布时间
2026-09-02
模型文件大小
暂无数据
MoE架构
未公布
总参数 / 激活参数
未公布 / 未公布
知识截止
暂无数据
Muse Spark 1.3
开源和体验地址
Muse Spark 1.3
官方介绍与博客
DataLearnerAI博客
暂无
Muse Spark 1.3
API接口信息
接口速度
暂无数据
💡默认单位：$/100万 tokens。若计费单位不同，则以供应商公开的原始标注为准。
标准模式
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $1.25/ 1M tokens | $4.25/ 1M tokens |
缓存定价Prompt缓存
| 类型 | 有效期 | 写入 | 读取 |
|---|---|---|---|
| 文本 | - | — | $0.150/ 1M tokens |
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
Muse Spark 1.3
评测结果
Muse Spark 1.3 当前已收录的代表性评测结果包括 Legal Research Bench（1 / 46，得分 55.29）、Harvey Lab-AA（1 / 44，得分 95.48）、τ³-Banking（4 / 168，得分 50.50）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
仓库修复与多文件工程
共 5 项评测评测名称 / 模式
得分
排名/总数
跨能力聚合指数
共 5 项评测评测名称 / 模式
得分
排名/总数
法律
共 5 项评测评测名称 / 模式
得分
排名/总数
金融
共 5 项评测评测名称 / 模式
得分
排名/总数
数学
共 6 项评测评测名称 / 模式
得分
排名/总数
自主开发与终端任务
共 8 项评测评测名称 / 模式
得分
排名/总数
编码综合评估
共 2 项评测评测名称 / 模式
得分
排名/总数
Muse Spark 1.3
发布机构
Facebook AI研究实验室
查看发布机构详情 Muse Spark 1.3 by Meta Superintelligence Labs
模型解读
正式发布
Muse Spark 1.3 是 Meta Superintelligence Labs 于 2026 年 9 月 2 日发布的闭源多模态推理模型，API ID 为 muse-spark-1.3。它已在 Muse Code 和 Meta Model API 上线，重点提升长周期 Agent 工作流、复杂指令跟随、并行任务管理、工具调用与编程效率。
规格与能力
官方给出 1M token 上下文窗口，支持文本、图像、视频和文档输入，输出为文本。Meta 表示其视觉推理能在真实执行环境中处理截图、视频与文档。相较 1.2，内部工程对比约减少 20% 工具调用和 25% token 使用。已有 reasoning modes 当前可用；max reasoning 仍需完成额外安全测试后开放。参数量、最大输出和知识截止时间未公开。
评测与安全
Meta 在 max reasoning 下报告 GDPval-AA v2 1754、JobBench 64.9、OSWorld 2.0 partial 66.9、DeepSearchQA 89.4、AutomationBench 49.4%、DeepSWE v1.1 75.4%、SWE-Atlas Codebase QnA 59.4% 和 Terminal-Bench 2.1 88.8%。这些是指定工具和 harness 下的系统级结果。官方还强调对提示注入的更强鲁棒性，以及对不可逆操作更好的风险判断。
API 价格与数据边界
主模型每百万 token 输入 $1.25、缓存输入 $0.15、输出 $4.25，请求数据不用于改进 Meta 产品。独立的 muse-spark-1.3-contributor 路线价格为 $0.10 / $0.002 / $0.20，但数据会用于改进 Meta 产品；本条目不将该路线混作主模型标准价格。当前模型仍为闭源，Meta 仅把 Muse Spark 开放权重列为后续路线图。
官方来源
Muse Spark 1.3
常见问题
Muse Spark 1.3 的上下文窗口是多少？
Meta 官方模型页给出 1M token 上下文窗口，但未公开最大输出长度。
Muse Spark 1.3 的 API 价格是多少？
主模型每百万 token 输入 1.25 美元、缓存输入 0.15 美元、输出 4.25 美元。
主模型与 Contributor 版本有什么区别？
主模型请求数据不用于改进 Meta 产品；单独的 Contributor 路线价格更低，但数据会用于改进 Meta 产品。两者使用不同 API ID。
Muse Spark 1.3 是否开放权重？
尚未开放。Meta 只把 Muse Spark 开放权重列入后续路线图，当前 1.3 仍是闭源托管模型。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
