Meta 於 2026 年 9 月 2 日發布 Muse Spark 1.3，這是其 Muse 系列的最新模型，專為長時程代理工作流程與高競爭力程式碼生成而設計。該模型在 DeepSWE v1.1 基準上達到 75.4 分，暫居業界最高分，同時以極具侵略性的定價策略衝擊市場。
Muse Spark 1.3 核心能力
代理工作流程優化
Muse Spark 1.3 專為長時間運行的代理任務進行訓練與優化：
- 長時程上下文追蹤：能夠追蹤上下文與先前的結果，處理混亂或矛盾的輸入，並在必要時主動請求輸入
- 多代理協作：支援「代理扇出」功能，可生成多個子代理在隔離的工作樹中處理平行任務
- 電腦操作能力：讓模型具備「眼睛與雙手」，可直接操作軟體介面進行開發
多模態感知
Muse Spark 1.3 支援 文字、圖片、影片、檔案、音訊 等多種輸入格式。其視覺推理基於真實執行環境，而非簡單的腳本步驟，可接收螢幕截圖或影片片段直接進行建構任務。
定價方案：透明化的資料價值
Meta 推出了業界首創的透明定價模式，直接量化使用者資料對模型訓練的價值：
| 方案 | 輸入價格（/百萬 Token） | 快取輸入 | 輸出價格 | 說明 |
|---|---|---|---|---|
| 貢獻者版 | $0.10 | $0.002 | $0.20 | 允許 Meta 使用資料改善產品 |
| 標準版 | $1.25 | $0.15 | $4.25 | 不訓練資料，適用於企業 |
貢獻者版的輸出價格僅標準版的 1/21，這樣的價格差異清楚反映了使用者資料對 Meta 的商業價值——這也是首次有 AI 模型提供商如此直接地量化「作為產品」的代價。
性能表現
根據社群測試與人工分析（Artificial Analysis）結果，Muse Spark 1.3 在 DeepSWE 基準上以 75.4 分超越多數前緣模型，包括 OpenAI 5.6 Sol 與 Anthropic Opus 5。值得注意的是，與同日發布的 Gemini 3.8 Flash 相比，Spark 1.3 在該基準上領先約 2-3 分。
Muse Code：專用程式碼代理工具
Meta 同步推出 Muse Code，這是一個與 Muse Spark 1.3 共同訓練的終端機多代理程式碼工具。關鍵特性包括：
- 共同訓練優勢：Muse Code 從訓練第一天就與模型同步，確保工具呼叫成功率高、計畫執行流暢
- 跨框架泛化：雖然在 Muse Code 中表現最佳，但模型同樣通用於其他程式碼代理框架
- OpenCode 免費使用：Spark 1.3 貢獻者版可在 OpenCode 平台免費使用
產業意義
1. 前緣模型的價格戰升級
Muse Spark 1.3 貢獻者版 $0.20/百萬輸出 Token 的定價，將前緣級模型的使用成本推向新低。作為比較，同日發布的 Gemini 3.8 Flash 為 $3.75/百萬輸出 Token（18.75 倍），Anthropic Opus 5 與 OpenAI 5.6 Sol 則在 $10-15 區間。這種 10-50 倍的價差 將迫使其他供應商重新審視定價策略，也為開發者提供了前所未有的低成本高品質選擇。
2. 資料價值的透明化
Meta 的定價模式開創了 AI 產業的先例——直接告訴使用者「你的訓練資料值多少錢」。這種透明化可能引發連鎖效應：其他模型提供商可能被迫跟進，讓使用者更清楚地了解隱私權的經濟代價。對於香港與亞洲的企業用戶而言，在選擇「貢獻者」方案時需評估資料外洩風險與商業機密的保護。
3. Meta 的 AI 戰略轉折
Muse Spark 1.3 展示了 Meta 在 AI 領域從落後到追趕的轉變。在經歷 Llama 4 發布混亂與 Yann LeCun 離職後，Meta 以 高速、低成本、多模態 的策略重新切入前緣市場。加上 Facebook/Instagram 的龐大用戶基礎與資料飛輪，Meta 正在從「AI 消費者」轉向「AI 提供者」。
4. 對開發者生態的影響
對於預算有限的獨立開發者與新創團隊，Muse Spark 1.3 貢獻者方案提供了一個前所未有的機會：「以極低成本獲得前緣級的 AI 輔助程式碼生成」。然而，這也意味著開發者的互動資料——包括提示詞、修正模式與編碼習慣——將成為 Meta 模型改進的燃料，形成一個強大的資料飛輪。
本文信息來源：Meta 官方開發者頁面，Hacker News 社群討論（2026 年 9 月 2 日），以及 Artificial Analysis 獨立測試結果。