五個月第四版：Muse Spark 1.3 正式上線
Meta 超級智慧實驗室（MSL）9 月 2 日（週三）發布 Muse Spark 1.3，是這條產品線五個月內的第四個版本。回看節奏：4 月 8 日的原始 Muse Spark 確立了 MSL 背離 Llama 的閉源起點；7 月的 1.1 帶來 Meta Model API 的開發者預覽；8 月 5 日的 1.2 隨終端編碼代理 Muse Code 登場；1.3 在一個月後接棒。據Meta 官方發布文章，1.3「在代理與編碼任務上帶來效能提升」；Meta 開發者頁寫得更白：模型為代理工作流而訓練、針對競技級編碼效能最佳化，開發者可以期待更高的首次嘗試成功率。
取用管道與定價都延續上一代：1.3 已進駐 Muse Code 與 Meta Model API，token 單價不變。與其問「這次多了什麼功能」，更值得注意的反而是改版節奏本身——多數前沿實驗室以季為單位推旗艦，Meta 把版本週期壓到五、六週，把「追趕」做成了一條生產線，而不是一場單獨的事件。對正在評估模型選型的團隊，這意味著任何針對 Muse Spark 的結論都有約一個月的有效期限。
44 到 62：Artificial Analysis 榜上的追分曲線
獨立評測機構 Artificial Analysis 的智能指數（Intelligence Index）是一個複合基準，其模型頁說明該指數橫跨推理等多個面向加權計分。把 Muse Spark 家族放上這條軸，曲線相當陡：1.0 得 44 分、7 月的 1.1 得 51 分、8 月的 1.2 得 54 分，這條追分軌跡見於 Gigazine 整理的 AA 分數曲線；到了 1.3，一般開發者可用的 xhigh 變體得 61 分，限合作夥伴預覽的 max 變體得 62 分。五個月、四個版本、18 分。
位置比幅度更重要。據 Artificial Analysis 的發布，62 分的 1.3 max 在該榜上「僅落後 Claude Fable 5.1 與 Claude Opus 5」——換句話說，在這個複合指數上，Muse Spark 首次排到 GPT-5.6 Sol 與 Gemini 系列之前，擠進全球前三。對一家今年 4 月還常被描述為掉隊的公司，這是榜單結構的實質變化，而不是邊際修正。
不過複合指數本身就是個需要小心的工具。它把多個公開基準加權成一個總分，好處是防止任何單一榜單被過度解讀，代價是細節被平均掉——一個模型可以在某個子項特別突出而總分平平，也可能相反。AA 的發布也未同步列出前方兩款 Claude 的具體分數，1.3 落後的差距是一分還是五分，從現有資訊無從得知，而這個數字恰恰決定了該讀成「追上」還是「逼近」。
xhigh 與 max：最強變體先給合作夥伴
xhigh 與 max 是同一模型的兩種推理強度：思考預算不同、輸出 token 數不同。1.2 世代就已有 xhigh 變體，1.3 保留它給所有開發者，新增的 max 則只在 Meta 合作夥伴的限時預覽中供應。把最強變體先留給夥伴，如今是前沿實驗室的共同做法——算力緊俏時，最貴的推理優先餵養自家產品與簽約客戶，一般 API 用戶排隊等開放。
對 Meta，這一步有兩層含意。算力經濟上，max 的推理成本高，限縮供應等於控制支出；商業上，「最強版本暫時拿不到」本身就是把企業推向合作方案的推力。對照 Meta 一路鋪陳的個人超級智慧願景，max 先進夥伴預覽，合理推測是優先服務需要長程穩定度的內部與合作場景。可以確定的是：短期內想在 API 上用到 62 分那個版本，門票不是價格，而是合作關係。
這與整個前沿市場的走向一致：當最強模型成為稀缺資源，訪問權本身取代價格成為分層工具——誰先拿到、以什麼條件拿到，比單價更能決定競爭位置。我們先前對前沿 AI 訪問權稀缺化的分析指出，頂級算力與最強變體正在向簽約夥伴與大額客戶集中；max 的限時預覽，是同一個趨勢在 Meta 身上的最新實例。
價格不變、成本結構在變：token 用量的兩本帳
token 單價確實沒動：每百萬輸入 1.25 美元、輸出 4.25 美元，與 1.2 相同。但單價不等於帳單。AA 對 1.2 的成本分析指出，1.2 每任務成本較 1.1 的 0.29 美元上升，原因不是調價，而是每個任務吃掉的輸入 token 增加約 53%；同一套量測下，1.3 xhigh 的每任務成本來到約 0.55 美元——推理變體把省下來的往返，花在了更長的思考上。
另一本帳方向相反。據 Crypto Briefing 報導，Meta 稱 1.3 在編碼代理場景的工具呼叫減少約 20%、token 用量減少約 25%。兩者並不矛盾：AA 的指數任務量的是「把難題做到對」的總開銷，Meta 的數據量的是「代理完成工程任務」的互動效率。對開發者的實際意義是：跑深度推理的場景，預算要按每任務成本估，不能只看單價表。
與 Claude 的差距：從自家基準全敗到榜上第三
一個月前，Meta 在自家發布的三張基準圖上全數落後 Claude Opus 5：Terminal-Bench 2.1 是 82.9% 對 86.7%、DeepSWE 1.1 是 59.3% 對 65.0%、內部編碼基準是 70.6% 對 79.4%。一個月後，AA 的複合指數把 1.3 max 放在僅次兩款 Claude 的位置。這兩件事可以同時為真，因為它們量的東西不同：單項編碼基準量深度，複合指數量廣度——推理、數學、多輪指令與代理任務加權後的總分。Meta 開發者頁同時宣稱 1.3 在 SWE-Bench Verified 等真實編碼任務上超越更大的閉源模型；這類自報數字在上一代就伴隨方法論疑點——1.2 的部分進步來自更換了量測用的 harness——獨立複核出現之前，宜當方向參考而非定論。也因為單一榜單的排名變動參考價值有限，把多張榜單折成共識排名的方法，值得在決策時一併考慮。
開發者現在能用什麼：管道、價格與資料條款
實務上，今天就能用到的 1.3 只有 xhigh：Muse Code 與 Meta Model API 皆已可供使用，Muse Code 用戶升級後即可碰到新模型；這個終端代理在 macOS 與 Linux 上以一行指令安裝，首次執行會開啟作業系統沙箱。定價沿用 1.2 的兩層結構——Standard 與 Contributor——差別不在功能而在資料：Standard 聲明不用於訓練；Contributor 便宜十餘倍，但 Meta 可用你的提示與產出改善模型，且安裝流程曾把新用戶預設導向此層，當時的定價拆解已提醒過這道陷阱。接觸客戶或專有程式碼的團隊，在繫結付款與選擇 model id 之前，應先確認自己落在哪一層。max 則沒有公開價格與開放時程，限時預覽僅能經 Meta 合作夥伴管道取得。
值得追蹤的後續：開源承諾與 max 開放時程
第一個觀察點是開放權重。Meta 在 8 月中預告將開源 Muse Spark 1.2 權重，兌現與否仍待 Hugging Face 上出現實際檢查點；1.3 的發布未伴隨任何開源宣示。若 1.2 權重落地，蒸餾鏈下游的 Muse Glimmer 與 SGLang 這類推論框架生態會直接受惠；若持續延後，開發者社群對「即將」二字的信任會折損。第二個觀察點是 max 的開放時程——何時從合作夥伴預覽轉為一般 API 供應，決定了 62 分那個版本何時能被獨立驗證。第三個是分數的穩定性：AA 指數會隨重測與方法調整而變動，1.0 的分數在不同時間點的紀錄就出現過 43 與 44 之差，61／62 是發布當下的快門，不是定妝照。
