Muse Spark 1.3 是 Meta 于 2026 年 9 月 2 日发布的旗舰推理模型更新，主打长时程智能体工作与编程：MRCR 长上下文检索 98.5，DeepSWE 75.4，Terminal-Bench 2.1 达 88.8（与 GPT-5.6 Sol 持平）。扎克伯格称其为 “the biggest jump we’ve made so far on coding and agentic work”，并预告 Muse Spark 权重即将开放。
本指南基于 Meta 官方发布博客、1.3 评测方法论文档与 Meta API 定价页，并对照扎克伯格与 @AIatMeta 的发布推文逐一核对数字。
Meta 发布了什么
Muse Spark 1.3 是 Muse Spark 系列的第三次旗舰迭代。发布节奏为：4 月首秀 Muse Spark，7 月 9 日 1.1，8 月 5 日 1.2，今天是 1.3——旗舰模型大约每四周一次的持续迭代。
官方博客将 1.3 的改进聚焦在三个方向：在单个对话线程内跨多个工作流完成更长时程的工作；更主动的协作行为；以及对自身能力边界的更好校准。模型通过 Muse Code 和 Meta API 提供。
我们很高兴发布 Muse Spark 1.3：智能体与编程任务性能提升，并聚焦真实可用性。它会主动协作——提出澄清问题、标记卡住状态、在重要操作前确认；与 1.2 相比工具调用减少约 20%、token 减少约 25%。
— @AIatMeta 2026 年 9 月 2 日
扎克伯格的发布帖
扎克伯格的帖子一小时内浏览量超过 21 万，其中有两点值得认真对待：
Muse Spark 1.3 今日开始推送，前沿性能“almost too cheap to meter”。这是我们在编程与智能体工作上迄今最大的跃升。可在 Muse Code 与我们的 API 中试用。接下来是 🍉 与 Muse Spark 开放权重发布。
— @finkd 2026 年 9 月 2 日
第一是定价语言：“too cheap to meter”（几乎便宜到无需计量）直接呼应 1.3 与 1.2 共享同一 API 定价——每百万 token 缓存输入 $0.15、输入 $1.25、输出 $4.25。第二是路线图：预告了两个发布，一个以 🍉 暗示，一个是 Muse Spark 开放权重。帖子附带的官方基准表是下一节的主题。
官方基准表
以下是 Meta 官方基准表的完整数字，配置在表头注明（Muse Spark 1.3 使用 max 推理强度，1.2 使用 xhigh，GPT-5.6 Sol 使用 max，Opus 5 使用 max）：
| 基准 | Muse Spark 1.3 | 1.2 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|
| GDPVal-AA v2（知识工作，Elo） | 1754 | 1615 | 1710 | 1824 |
| JobBench（专业工具使用） | 64.9 | 61.6 | 45.4 | 65.7 |
| OSWorld 2.0（智能体计算机使用） | 66.9 | 47.6 | 62.7 | 68.3 |
| DeepSearchQA（智能体浏览） | 89.4 | 85.9 | 93.0 | 90.4 |
| Agentic IF Index（内部指令遵循） | 57.8 | 46.2 | 60.5 | 59.1 |
| AutomationBench（端到端业务工作流） | 49.4 | 38.2 | 46.7 | 50.3 |
| MRCR 256K–512K（长上下文） | 98.5 | 66.3 | 91.5 | – |
| MRCR 512K–1M（长上下文） | 98.1 | 55.5 | 73.8 | – |
| DeepSWE v1.1（长时程智能体编程） | 75.4 | 55.0 | 73.0 | 74.0 |
| SWEAtlas CodeBase QnA（代码库理解） | 59.4 | 46.2 | 53.5 | 52.7 |
| Terminal-Bench 2.1（智能体终端编程） | 88.8 | 82.9 | 88.8 | 86.7 |
阅读：1.3 在 11 项基准中的 5 项上取得或并列第一（两项 MRCR、DeepSWE、SWEAtlas、Terminal-Bench 并列）。Opus 5 在需要较强世界知识或计算机使用的任务上保持领先；GPT-5.6 Sol 在智能体浏览上领先。
六个最重要的数字
| 数字 | 含义 | 为什么重要 |
|---|---|---|
| MRCR 98.5 / 98.1 | 在 256K–512K 与 512K–1M 区间的多轮共指消解准确率 | 接近完美的检索精度延伸到百万 token 上下文；1.2 仅为 66.3/55.5 |
| DeepSWE 75.4 | 长时程智能体编程任务 pass@1 | 1.3 相比 1.2 的 55.0 提升 20.4 分；超过 GPT-5.6 Sol（73.0）与 Opus 5（74.0） |
| Terminal-Bench 88.8 | 智能体终端编程 pass@1 | 与 GPT-5.6 Sol 并列第一；1.2 为 82.9 |
| 约 20% 更少工具调用 | 与 1.2 的内部对比 | 更少的循环步骤即更低的延迟与成本 |
| 约 25% 更少 token | 与 1.2 的内部对比 | 同等任务下更便宜的智能体运行 |
| $1.25 / $4.25 | 每百万 token 输入 / 输出 | 与 1.2 相同的定价——能力提升但价格未变 |
智能体协作改进
发布帖中最值得开发者关注的变化是协作行为的三个转变：
| 行为 | 1.2 及更早 | 1.3 的新行为 |
|---|---|---|
| 长时程工作 | 容易在多步任务中途丢失目标 | 在单个线程内跨多个工作流持续推进 |
| 主动协作 | 通常静默假设并继续执行 | 提出澄清问题；标记卡住状态；在执行重要操作前确认 |
| 边界校准 | 倾向于虚构结果而非承认不确定 | 对自身局限有更好的校准，不再“hallucinating outcomes” |
这三项与效率数据相印证：工具调用减少约 20%、token 减少约 25%——更少的浪费性循环，更诚实的进度汇报，更高的单线程完成率。
发布节奏与产品接入
| 版本 | 日期 | 接入方式 |
|---|---|---|
| Muse Spark | 2026 年 4 月 | Meta API、Meta AI |
| Muse Spark 1.1 | 2026 年 7 月 9 日 | Meta API、Meta AI |
| Muse Spark 1.2 | 2026 年 8 月 5 日 | Meta API、Meta AI、Muse Code |
| Muse Spark 1.3 | 2026 年 9 月 2 日 | Meta API（muse-spark-1.3）、Muse Code |
API：模型 ID 与定价
1.3 以 muse-spark-1.3 提供，并带数据许可变体 muse-spark-1.3-contributor。按 官方定价页，Standard 层覆盖 muse-spark-1.3、muse-spark-1.2、muse-spark-1.1，三者共享同一价格表：
| 层级 | 缓存输入 | 输入 | 输出 | 说明 |
|---|---|---|---|---|
| Standard | $0.15 | $1.25 | $4.25 | 提示与补全不用于训练 Meta 模型 |
| Contributor | $0.002 | $0.10 | $0.20 | 大幅折扣，交换条件是允许用你的数据训练 |
速率限制（Standard 层）：3,000 RPM / 4,000,000 TPM；Contributor 层：100 RPM / 3,000,000 TPM。Web 搜索接地为每 1,000 次查询 $2.50，Muse Image 为每张图 $0.01。定价页确认缓存以 cached_tokens 字段报告。
定价页将 1.3 与 1.2、1.1 并列在同一个 Standard 价格表下。升级到 1.3 在 API 层面不会改变单价——基准变化才是选择模型版本的理由，而非价格。
评测方法
Meta 为 1.3 发布了独立的评测方法论文档。要点：
| 基准 | 官方方法要点 |
|---|---|
| MRCR v2 | OpenAI 的 MRCR v2 数据，按 o200k_base token 计数重新分箱，在 256K–512K 与 512K–1M 两个区间各评测 100 个 8-needle 样本 |
| DeepSWE v1.1 | 长时程编程任务，以任务自带校验器判定，主指标为平均 pass@1 |
| Terminal-Bench 2.1 | 89 个终端任务，使用结果标注的编程智能体在隔离云沙箱中运行，官方可执行校验器判定最终容器状态 |
| SWE-Atlas | 代码库问答，按 Scale AI 排行榜协议执行，主指标为平均 pass@1 |
值得注意的两点：MRCR 用的是 OpenAI 的数据集（跨厂商可比性较好）；智能体基准使用任务官方校验器而非模型自评。方法论文档同时说明 ZDR（零数据保留）与 Standard 同价，平台免费层额度适用。
如何在竞争中定位
把 1.3 放在今天的发布环境中读：Google 同日推出 Gemini 3.8 Flash（DeepSWE 73.7、Terminal-Bench 2.1 89.4、定价 $0.75/$3.75 促销价），而 1.3 的 DeepSWE 75.4、Terminal-Bench 88.8、$1.25/$4.25 同价延续。两家都以智能体编程为核心卖点，都在同一天发布。
现实的解读是：1.3 在长上下文检索上几乎没有对手（MRCR 98.5/98.1 对 GPT-5.6 Sol 的 91.5/73.8），DeepSWE 上小幅领先；OpenAI 与 Anthropic 仍在知识工作（GDPVal）与计算机使用（OSWorld）上保持优势。定价上 Meta 保持 1.2 时代的价格，而 Gemini 3.8 Flash 的促销价更低——但 3.8 Flash 的促销价 2027 年 1 月起上调至 $1.50/$7.50。
注意事项
所有性能数字为厂商自报。基准表来自 Meta 的发布材料，选用的对比配置（如 GPT-5.6 Sol max、Opus 5 max）由 Meta 选定。方法论文档降低了模糊性，但迁移前仍应在自己的工作负载上验证。
“约 20%/25%”是内部对比。工具调用与 token 的节省是与 1.2 的内部比较，没有公开任务清单。实际节省取决于工作负载。
开放权重无日期。“coming soon”没有附带时间表或许可条款。在正式发布前，API 是唯一的接入方式。
远程使用仍受限。与 1.2 时代相同，模型不支持在本地机器上运行——不存在本地模式。
结论
Muse Spark 1.3 值得认真对待，如果你在做长时程智能体工作、多仓库代码理解，或需要百万 token 上下文内近乎完美的检索。MRCR 98.5 + DeepSWE 75.4 的组合目前是独一档，而价格未变。
继续对比评测，如果你的核心场景是知识工作或计算机使用（GDPVal/OSWorld 上 Opus 5 仍领先），或成本敏感的高吞吐批处理（Gemini 3.8 Flash 的促销价与 Batch 生态更合适）。
常见问题
Muse Spark 1.3 是什么？
Meta 于 2026 年 9 月 2 日发布的旗舰推理模型，重点提升长时程智能体与编程任务，向 Muse Code 和 Meta API 开放，并有 "open weights releases coming soon" 的预告。
定价是多少？
Standard 层：缓存输入 $0.15、输入 $1.25、输出 $4.25（每百万 token）；贡献者层（数据用于训练）$0.10/$0.20 且缓存 $0.002。muse-spark-1.3 与 1.2、1.1 共享同一 Standard 定价。
它带来了哪些智能体改进？
单线程内跨多个工作流执行长时程任务；更主动的协作（澄清问题、标记卡住状态、执行重要操作前确认）；对自身能力边界有更好的校准；与 1.2 相比工具调用减少约 20%、token 减少约 25%。
MRCR 98.5 意味着什么？
在 256K–512K 与 512K–1M 两个 token 区间上，Muse Spark 1.3 的多轮共指消解准确率分别达到 98.5% 与 98.1%——作为对比，GPT-5.6 Sol 为 91.5 与 73.8。
权重会开放吗？
扎克伯格在发布帖中预告 "Muse Spark open weights releases coming soon"，同时还有另一个以西瓜 emoji 暗示的发布。截至发稿，尚无日期与许可条款。
官方来源
仅官方来源，核对于 2026 年 9 月 2 日：