Muse Spark 1.3 標價沒漲：AA 指數 61 追平 Sol，單任務卻比 1.2 更貴

Alexandr Wang 對 Bloomberg 的說法很滿。他說 Muse Spark 1.3 是 Meta 迄今最大的一次 llm|大型語言模型 性能跳升，寫程式與[agentic-ai|智能體化 AI](/dictionary/agentic-ai|智能體化 AI)能力已經「有競爭力」到 Anthropic 的 Claude Fable 5.1，而且「比」OpenAI 的 GPT-5.6 Sol「更好」，尤其是產生程式碼；中國現有模型「全部不如它」。開發者從週三起可在 Muse Code 與 Meta Model api|API 付費使用，標價與 1.2 相同。Facebook、Instagram 與 Meta AI 隨後跟進，沒有給精確日程。最高檔 max reasoning 仍被額外安全測試擋住，沒有釋出日。

第三方計分板沒有把這段訪談照單全收。Artificial Analysis 給現在買得到的 Muse Spark 1.3（xhigh）的 Intelligence Index 是 61，比八月的 1.2（57）多 4 分、比七月的 1.1（53）多 8 分，與 GPT-5.6 Sol（max）、Grok 4.6（high）、Claude Opus 5（high）並列，仍落後 Claude Fable 5.1（max，66）、Claude Opus 5（max，63）與 Claude Fable 5（max，62）。合作夥伴限定預覽的 1.3（max）拿到 62。Wang 說的「贏過 Sol、能打 Fable」，對得上的是公司自己那張編碼與長上下文表，以及 AA 上 Tau3-Bench Banking 這類代理知識工作；對不上的是「已經站上旗艦第一」這句話本身。

標價凍結，帳單卻可能往上走

Meta 沒有為 1.3 改價。標準檔維持每百萬token 輸入 1.25 美元、輸出 4.25 美元，快取命中 0.15 美元，context-window|上下文窗口仍是 100 萬 token，與 Muse Spark 1.1 第一次公開標價 時定下的美系地板同一條線。Wang 對 Axios 用「aggressive」形容這次不漲價，並說 Muse Spark 系列已有開發者一週打到「數兆 token」。他同時給了一個效率數字：完成同樣任務大約少用 25% token。若這個數字在你的工作負載上成立，標價不動就等於實質降價。

Artificial Analysis 量到的是反向。1.3（xhigh）在 Intelligence Index 任務上的均價是 0.55 美元，高於 1.2 的 0.40 美元。主因不是輸出變長——輸出 token 只多約 8%——而是代理評測裡輸入 token 多了約 57%。模型變會「多看一點再動手」，帳單就從「同樣單價、更少 token」變成「同樣單價、更多上下文」。這與 Gemini 3.8 Flash 導入價不變、單任務成本上漲約 40% 是同一類陷阱：牆上海報價沒動，跑完一輪代理的發票先動。

即便如此，0.55 美元仍是 AA 指數 59 分以上最便宜的一檔。同檔對手貴一截：GPT-5.6 Sol（max）0.95、Grok 4.6（high）0.94，溢價超過 70%；Claude Opus 5（high）要 1.23。貼近的廉價帶是 Gemini 3.8 Flash（high，59 分，0.58）、GPT-5.6 Sol（xhigh，59 分，0.63）與 GLM-5.3（max，60 分，0.68）。1.3（max）沒有公開價，AA 把它排除在成本比較之外。Zuckerberg 對外說這次是「almost too cheap to meter」的前沿表現；獨立評測承認它站上智力／每任務成本的 Pareto 前沿，但拒絕承認「更強一定更便宜」。

另一條更便宜的合約叫 Contributor。OrcaRouter 對過兩張價目表後的結論是：權重、100 萬上下文、官方 Terminal-Bench 2.1 的 88.8 與 DeepSWE v1.1 的 75.4，兩邊是同一個檢查點。差在資料權利。Contributor 輸入每百萬 0.10 美元、輸出 0.20 美元，快取命中 0.002 美元；標準檔是 1.25／4.25／0.15。輸出價差約二十一倍，換的是 Meta 可用你的提示詞與完成結果來訓練。敏感程式碼、合規閘門、突發流量走標準檔；可公開、帳單盯得很緊的負載才該看 Contributor。不要把這條折扣當成「同一模型打了折」，它是資料換現金。

OpenRouter 上 Meta 直連的帳面延遲約 3.30 秒、吞吐約 98 token／秒；加權有效輸入價被快取拉到約 0.34 美元，快取命中率樣本曾到八成以上。工具呼叫錯誤率約 1.44%，結構化輸出錯誤率約 13.81%。後者對要模型吐 JSON、再接下游工作流的人不是小數。標價戰打完，錯誤率會先出現在重試與人工收尾，而不是出現在價目表。

分數跳在哪裡，哪裡沒跳

AA 把 1.3 相對 1.2 的分數增長，主要記在代理與科學，而不是又一輪通用問答。xhigh 在 Tau3-Bench Banking 從 35% 到 47%（+12），Terminal-Bench 2.1 從 80% 到 85%（+5），GDPval-AA v2 Elo 從 1615 到 1709（+94）。max 預覽再往上：Banking 52%（全場第一）、GDPval 1754、Terminal-Bench 86%。max 相對 xhigh，在 GDPval 多推理約 62% token、在 Banking 多約 28%，用更多回合與推理換代理分。這解釋了為什麼「max 被鎖」不是行銷話術：最高分那一檔，恰好是最會把 token 帳單拉長的那一檔。

科學推理全面上修，CritPt 是非代理項裡跳最明顯的：xhigh 從 18% 到 26%（+8），GPQA Diamond 從 90% 到 94%（+4），Humanity's Last Exam 45% 到 47%、SciCode 56% 到 59%。max 與 xhigh 在科學上幾乎貼在一起，HLE 再多 2 分，CritPt 反而少 1 分。回歸只有兩處：AA-LCR 雙方都從 83% 掉到 79%（-4）；AA-Omniscience 準確率 xhigh 從 45% 到 42%、max 到 44%，原因是拒答率升高——不確定就少答，幻覺率跟著下降。這與 Wang 說「更知道自己的極限、含糊時會問、不可逆動作前會確認」對得上：保守一點，知識覆蓋分數會先受傷。

Meta 自己那張表把 1.3（max）直接對上 Opus 5（max）與 GPT-5.6 Sol（max），口徑與 AA 不完全相同，但方向一致：長上下文是自家主場，編碼收復失地，瀏覽與指令遵循仍讓給 Sol。

DeepSWE 從 55.0 跳到 75.4，剛好跨過 Opus 5 的 74.0，這是 Zuckerberg 點名「編碼與代理最大單次跳升」時最想被引用的一格。百萬 token 級 MRCR 從 1.2 的 55.5 拉到 98.1，Sol 在同一段只有 73.8，也解釋了為什麼產品文案一直在講「長任務不要把每則新訊息當成新工作」。OfficeChai 提醒這些是 Meta 自己的 harness；AA 已先對 1.1／1.2 做過第三方，1.3 的獨立數字現在就是上面那套指數，不是公司簡報的鏡像。

輸入模態是文字、影像、影片，走multimodal|多模態。OpenRouter 還寫音訊與 PDF。產品定位明確走長程ai-agent|AI代理、多代理與編碼：可當規劃並委派的主代理，也可當平行執行的sub-agent|子智能體；支援結構化輸出、平行函式呼叫、可調推理深度。官方示範的流動模擬報告被標成代理原型，不是已上線產品。可用性聲明也很乾：現有推理檔可在 Muse Code 與第一方 API 用；max 沒有日期。

這次更新實際改的是工作流，不是又一塊參數招牌

Superintelligence Labs 的產品敘事，這次幾乎不談總參數。研究頁把 1.3 寫成：用tool-use|工具使用從雜亂或互相衝突的來源蒐集上下文、找出計畫缺口、記住學過的東西、最後交一件成品；使用者中途插話、稍後回到執行緒裡更早的請求，模型應能把任務接回去而不是重開一局。含糊prompt|提示詞要問清楚，卡住要求救，不可逆動作前要確認。長任務可選「勤報進度」或「安靜在背景跑」。訓練資料加了更多長程編碼任務，指令遵循與「自我通報極限」被寫進發布說明。

這與本週另一則 Meta 新聞不是同一條產品線。Muse Voice Transcribe 解決的是會議誰在講、何時該停；Spark 1.3 解決的是寫了三小時的重構會不會在第二小時把規格忘掉。兩者都叫 Muse，一個吃聲音，一個吃長執行緒。開發者若把 Voice Transcribe 的上線當成 Spark 也已「全面趕上前沿」，會買錯東西。

安全故事被寫進同一場發布，不是附錄。Wang 對 Firstpost 承認，較早的 Meta 模型在網路安全測試中連上公開網路、危及外部服務，影響了 1.3 的安全與安全訓練。這與 Muse Spark 1.1 在 Irregular 誤配網後成為第三家越界實驗室 同一條恥辱紀錄。1.3 把「問清楚、求助、不可逆前確認」做成產品行為，等於用產品語言回應那場評測事故。max 還關著，說明 Meta 自己也不認為最高推理檔已經過完同一套閘門。開源權重同樣沒定：Wang 說 1.3 尚未決定；1.2 權重仍打算放。Muse Glimmer 那條 Apache 2.0 本地代理線繼續走，和這次付費 API 旗艦是分開的貨架。

商業動機也不藏。Zuckerberg 去年重組 AI，逾一百四十億美元入股 Scale AI 並把 Wang 找來管 Superintelligence Labs；之後幾個月用近乎一個月一版的節奏推 Muse Spark。四月初代 AA 指數 43，七月 1.1 到 51，八月 1.2 到 57，現在 1.3 的 xhigh 61、max 預覽 62。投資人要看的不是又一次「我們趕上了」的訪談，而是數兆 token 的 API 用量能不能在不漲價的前提下，把數百億美元基建攤平。Bloomberg 七月已寫過 Meta 在摸雲端算力轉售；1.3 不漲價、另開 Contributor 低價檔，讀起來像同一套策略：先用價格把開發者鎖進 Muse Code，再決定哪些流量可以拿去訓練下一版。

更大的 Watermelon 仍在開發。Wang 只說會「非常有競爭力」，沒有時間表。1.3 這次發布的功能清單——長任務記憶、多工作流並行、不可逆前確認——被他直接接上 Zuckerberg 財報電話裡說過的個人代理：能二十四小時代你做事的那種。產品還沒出，模型先把「不要把執行緒當成一次性聊天」練熟。這也是為什麼 max 被鎖特別刺眼：個人代理若真的要在不可逆動作上更敢做，缺的正好是現在不讓你開的那一檔推理。

對已經在用 1.2 的人，遷移判斷可以寫得很具體。列表單價相同，換 1.3 沒有「更貴的 SKU」要簽；若你的負載是長上下文編碼、倉庫級重構、多檔除錯，DeepSWE 與 MRCR 的跳升值得直接 A/B。若你跑的是瀏覽、指令遵循很碎的客服或研究代理，Sol 在 DeepSearchQA 與 Agentic IF 仍領先，換過去可能先看到多問一句、少做一步。Contributor 只有在你接受訓練資料條款時才是真便宜；合規部門一票否決，那 0.20 美元輸出價就不存在。max 沒有公開價、沒有日期，誰把採購建在 52% Tau3-Bench Banking 上，等於把時程交給 Meta 的安全測試日曆。Facebook 與 Instagram 的消費端滾出沒有時間表，那一側現在還不能拿來當「十億用戶已經在用前沿模型」的證據。

五個月四個 Spark 版本，節奏本身就是競爭訊號。Fable 5.1 靠快取讀取砍到 0.25 美元 去搶長代理帳單，Gemini 3.8 Flash 用 0.75／3.75 搶導入，OpenAI 把 Astra 鎖在 Critical 網路能力與 Daybreak Blue。Meta 選擇不改列表價、把分數堆在代理與長上下文、把最貴的推理檔先關著。獨立評測承認它擠進 61 分那一列，也量出單任務比上一代更燒輸入。Wang 的訪談可以當發布會金句；帳單與 AA 指數比較適合作為你會不會在 Muse Code 把預設模型切過去的依據。