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。
Muse Spark 1.3 by Meta Superintelligence Labs
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
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 当前已收录的代表性评测结果包括 DeepSWE(1 / 34,得分 75.40)、Terminal-Bench 2.1(2 / 49,得分 88.80)、AutomationBench(2 / 13,得分 49.40)。 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。
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。
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。
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。
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。
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。
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。
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。
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。
欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送
