2026年9月2日，Meta Platforms正式发布其迄今最强AI模型Muse Spark 1.3。该模型专为延长智能体工作流与增强编码能力而设计，已在Muse Code编码智能体及Meta Model API中上线。Meta首席AI官Alexandr Wang表示，Muse Spark 1.3在编码能力上超越OpenAI的GPT‑5.6 Sol，并与Anthropic的Claude Fable 5.1表现持平，整体达到前沿水平。
详细情况：能力升级与效率优化
Muse Spark 1.3是Muse系列的最新迭代（此前1.2版本于约一个月前发布），重点强化了两大方向：
- 长周期智能体工作流
模型被设计为能在单一长线程中更好地与用户协作、并行处理多个工作流。面对开放式目标时，它可主动使用工具从杂乱冲突的信息源中构建上下文，主动修正计划缺口，并持续跟踪已学内容，最终交付完整成果。这一能力直接服务于Meta对“个人智能体”（可24/7代表用户工作）的长期愿景。
- 编码能力
针对更长周期的编码任务进行了额外训练，提升了常见工程工作流的可用性。相比1.2版本，模型在不必要的回合中更克制、输出更简洁、代码风格更干净。Meta内部工程师对比显示，工具调用减少约20%，Token消耗降低约25%，运行更快、更高效。
公开基准方面，Muse Spark 1.3（max版本）在多项编码与智能体测试中表现突出：DeepSWE v1.1达到75.4（超越GPT‑5.6 Sol的73与Opus 5的74），Terminal‑Bench 2.1达到88.8（与GPT‑5.6 Sol持平），SWEAtlas CodeBase QnA等测试也领先或接近前沿。长上下文检索（MRCR）表现尤为强劲。Artificial Analysis Intelligence Index上，max版本得分62，紧随Claude Fable 5.1与Opus 5之后。
模型支持100万Token上下文窗口，定价与前代持平（标准档约输入1.25美元/百万Token、输出4.25美元/百万Token，缓存大幅折扣），并提供更低价的“贡献者档”（允许Meta使用数据改进模型）。Max推理模式将在完成额外安全测试后推出。
技术与市场背景
Muse Spark系列由Meta Superintelligence Labs主导，Alexandr Wang（前Scale AI创始人）出任首席AI官后加速推进。系列从2026年中快速迭代，旨在弥补Meta在前沿闭源模型上的差距。1.3版本的发布恰逢Anthropic Fable 5.1、其他实验室密集更新之际，体现了行业竞争的高强度。
Meta强调模型已达到“几乎便宜到无需计量”的前沿性能，并计划逐步将能力整合进Facebook、Instagram与Meta AI等产品。
可能影响：Meta重返前沿竞争与生态布局
1. 对Meta自身的影响
Muse Spark 1.3标志着Meta在编码与Agent赛道正式进入第一梯队。强大的性价比与效率提升，有助于吸引开发者使用Muse Code与API，同时为即将推出的个人智能体产品奠定基础。快速迭代能力也显示其组织与算力投入已见成效。
2. 对AI模型竞争格局的影响
在OpenAI、Anthropic持续领先的背景下，Meta以更具成本优势的模型实现性能追平，可能加剧价格与效率竞争。开发者将获得更多高性价比选择，尤其在长周期编码与Agent工作流场景。开源权重计划（此前有所透露）若推进，还将进一步影响开源生态。
3. 对智能体与应用落地的影响
更强的长周期维持能力与更低Token消耗，直接降低复杂Agent的部署成本与延迟，有利于办公自动化、软件工程辅助、个人助理等场景的规模化应用。Meta将其与社交产品结合的潜力，也可能催生新的消费级智能体体验。
4. 潜在挑战与观察点
实际生产环境中的稳定性、幻觉控制与安全对齐仍需持续验证。Max推理模式的延迟上线，以及区域可用性差异，可能影响早期采用。与Fable 5.1、GPT‑5.6 Sol的全面对比，仍有待更多独立第三方评测。
行业启示：性价比成为新战场
Muse Spark 1.3的发布，证明Meta已具备在短周期内快速缩小与顶尖实验室差距的能力。通过聚焦编码与长周期Agent、同时保持激进定价，Meta选择了一条“性能够用、成本更优、迭代更快”的路径。在生成式AI进入实用落地阶段的当下，单纯追求绝对最高分已不再是唯一策略，效率、成本与场景适配正变得同样关键。
Alexandr Wang所强调的“竞争力”与“个人智能体铺垫”，预示着Meta将把模型优势加速转化为产品与生态优势。后续实际用户反馈、独立基准复现以及与社交平台的整合进度，将决定这一追赶能否转化为持续领先。
目前模型已开放使用，开发者可直接在Muse Code与API中体验其编码与Agent能力。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com