Meta 发布 Muse Spark 1.3：面向长周期智能体与编码任务，API 定价沿用前代
据 IT之家 9 月 3 日消息，Meta Platforms 于 2026 年 9 月 2 日发布了最新 AI 模型 Muse Spark 1.3。来源显示，这是 Meta 迄今能力最强的模型，重点面向更长时间跨度的智能体工作流以及更强的编码场景。Meta 首席 AI 官 Alexandr Wang 称，Muse Spark 1.3 在编码能力上超过 OpenAI 的 GPT-5.6 Sol，并与 Anthropic 的 Claude Fable 5.1 表现持平。该模型将通过 Meta Model API 向开发者提供付费访问，并计划逐步整合进 Instagram、Facebook 以及 Meta AI 助手。
编码能力升级：更少迭代、更少工具调用
从官方博文披露的信息看，Muse Spark 1.3 的改进并不只是“跑分式”的能力提升，而是集中在开发者实际使用模型写代码、改代码、调用工具时的效率表现。与 Muse Spark 1.2 相比，新模型减少了不必要的代码迭代，输出代码更简洁，整体编码风格也更清晰。
对于 AI 编程工具而言，代码是否可维护、是否会反复尝试无效方案、是否需要频繁调用外部工具，都会直接影响开发体验和成本。来源显示，Muse Spark 1.3 的工具调用次数减少约 20%，完成相同任务所需 token 减少 25%。这意味着在相同任务规模下，开发者可能获得更低的调用成本和更短的执行链路。
- 面向编码任务优化，减少无效或冗余的代码修改过程；
- 输出风格更清晰，更强调可读性与简洁性；
- 工具调用次数减少约 20%，降低复杂任务中的反复试错；
- 完成相同任务所需 token 减少 25%，有助于控制 API 使用成本。
长周期智能体：更像“持续协作”的工作线程
Muse Spark 1.3 的另一项重点是长周期智能体任务。来源显示，新模型能够在单一长线程中协作处理多个工作流，主动修正计划中的缺口，并持续跟踪学习成果。这类能力对于自动化办公、软件开发代理、数据分析助手以及企业内部流程机器人都很关键。
在具体交互上，Muse Spark 1.3 面对模糊指令时会提出澄清问题；遇到障碍时会请求用户帮助；在执行关键操作前会寻求确认。这些设计反映出大模型智能体正在从“直接给答案”转向“可控地完成任务”。对于企业用户来说，确认机制与约束保持能力往往比单次回答质量更重要，因为长任务中一旦丢失条件或误操作，后续修正成本会很高。
Meta 还强调，新模型在遵循复杂长指令方面更可靠，在多步骤任务中更能保留详细需求，不容易遗漏约束条件。同时，多任务处理能力也有所增强，能够更准确地把新指令映射到同一线程里的正确任务上。来源还提到，模型对自身能力与局限性的认知更强，有助于减少幻觉输出。
定价不变，Meta 继续争夺开发者入口
定价方面，Muse Spark 1.3 沿用 Muse Spark 1.2 的价格，通过 Meta Model API 提供付费访问：每 100 万词元输入费用为 1.25 美元；每 100 万词元缓存命中输入费用为 0.15 美元；每 100 万词元输出费用为 4.25 美元。IT之家按现汇率换算，分别约合 8.4 元、1 元和 28.6 元人民币。
Wang 透露，Meta 的 API 平台市场采用强劲，部分开发者周用量已达到万亿级 token。对于 Meta 来说，Muse Spark 1.3 不只是模型能力迭代，也是其在开发者生态、消费级应用和 AI 助手入口之间的一次连接：一端通过 API 吸引工具开发者，另一端逐步进入 Instagram、Facebook 与 Meta AI 助手等自有产品。
影响解读：AI 编程竞争进入“代理效率”阶段
从 Muse Spark 1.3 的发布重点看，AI 模型竞争正在从单纯比较知识问答、代码生成能力，转向比较长任务执行效率、工具调用质量与成本可控性。尤其在编码场景中，模型能否少走弯路、能否记住长期约束、能否在关键节点询问用户，将决定其能否成为真正可用的开发代理。
对中文开发者和企业技术团队而言，Muse Spark 1.3 的看点主要在三方面：一是编码代理的实际效率是否能如 Meta 所述明显提升；二是 API 成本在长线程、多工具任务中是否具备竞争力；三是其进入 Meta 自有应用后，是否会推动更多面向普通用户的 AI 自动化能力落地。整体来看，Muse Spark 1.3 代表了大模型厂商在“更会写代码”之外，继续向更会完成复杂工作演进的趋势。