Meta发布Muse Spark 1.3：面向长周期编码任务的智能体模型

新一代智能体编码模型上线

本周，Meta Superintelligence Labs发布Muse Spark 1.3，这是五个月内第四次迭代的Muse Spark系列模型。与侧重单轮生成的基础模型不同，1.3版明确瞄准长周期（long-horizon）智能体任务与复杂编码工作流。Meta在发布说明中强调其“可用性”设计目标：持续维持长对话线程、主动与用户协作、并能准确识别自身卡顿状态。

部署现状与使用限制

Muse Spark 1.3即日起已在Muse Code编辑器及Meta Model API中开放调用，开发者可直接集成至生产环境。但存在两项关键限制：一是模型权重不开放，无法本地部署；二是最高推理模式（max mode）仍处于安全测试阶段，尚未对公众开放，当前默认提供的是xhigh模式。

智能体行为能力升级

为提升跨环境泛化能力，Meta在多个智能体评测框架（agent harnesses）上联合训练了Muse Spark 1.3，使其能在单一长线程中并行管理多个工作流。面对开放式目标，模型可自主从杂乱、矛盾的信息源中收集上下文，并动态修补计划中的逻辑缺口。协作机制亦显著优化：对模糊提示主动发起澄清提问；在执行受阻时及时拉入用户介入；对高影响操作（如文件修改、终端执行）进行前置确认。在长时间运行中，模型还能根据用户偏好自适应调整交互节奏——例如高频汇报进度，或静默后台执行。此外，其对自身能力边界的校准更准确，倾向于明确标注障碍点，而非强行幻觉补全结果。

编码效率与性能实测

Muse Spark 1.3接受了更多长周期编程任务训练，相较1.2版，Meta工程师内部测试显示：无效交互轮次减少、语言冗余降低、生成代码风格更简洁。量化指标上，工具调用次数下降约20%，总token消耗减少约25%。对智能体类工作负载而言，这两项数据直接对应服务成本——更少的API往返与更低的计费token消耗。

多维度基准测试表现

在Meta公布的评测中，Muse Spark 1.3在DeepSWE v1.1达75.4分，超越Claude Opus 5（74.0）与GPT-5.6 Sol（72.7）；在SWE-Atlas Codebase QnA得分为59.4；在Terminal-Bench 2.1与GPT-5.6 Sol并列88.8分（Opus 5为86.7）。长上下文检索能力优势突出：MRCR v2在256K–512K与512K–1M窗口下分别取得98.5与98.1分，大幅领先GPT-5.6 Sol的91.5与73.8分。值得注意的是，部分评测（如OSWorld 2.0、GDPval-AA v2、JobBench）中，max模式得分（66.9 / 1754 / 64.9）均高于xhigh模式（57.2 / 1709 / 61.2），而1.2版此前仅以xhigh模式参与评测，因此本次代际提升部分源于推理模式升级。第三方机构Artificial Analysis评估显示，xhigh版在Intelligence Index得分为61，与GPT-5.6 Sol（max）、Grok 4.6（high）持平；max版得分为62，略低于Claude Opus 5（63）与Claude Fable 5.1（66）。在Tau3-Bench Banking评测中，xhigh与max版分别取得47%与52%准确率，后者为该评测迄今最高分。

关键参数与商业化信息

Muse Spark 1.3支持100万token上下文窗口，当前API定价维持不变：输入$1.25/百万token，输出$4.25/百万token；贡献者层级为$0.10/$0.20。Meta明确表示权重暂不开放，但已将“Muse Spark开源权重”列入官方路线图。