新智元报道
九月伊始，AI 大模型竞赛进入白热化阶段。短短三天内，Anthropic、谷歌、Meta 等巨头接连发布五款前沿模型。就在谷歌 Gemini 3.8 Flash 刚确立轻量级霸主地位之际，Meta 迅速推出 Muse Spark 1.3，以更优的性能和极致的成本效率引发行业震动。
Muse Spark 1.3 被 Meta 视为编程与智能体工作领域的重大飞跃。Meta 超级智能实验室负责人 Alexandr Wang 透露，相比上一代，新版本减少了约 20% 的工具调用次数和 25% 的 Token 消耗，在长周期任务中的需求保持能力显著增强。
性能霸榜：全面超越竞品
Muse Spark 1.3 在多项权威基准测试中表现卓越，直接改写当前大模型排名格局。
在衡量长程编程能力的 DeepSWE v1.1 测试中，Muse Spark 1.3 以 75.4 分的成绩超越 Claude Opus 5（74.0 分）和 GPT-5.6 Sol（73.0 分），同时也将刚刚发布的 Gemini 3.8 Flash 甩在身后。
Muse Spark 1.3：75.4 分
Claude Opus 5：74.0 分
GPT-5.6 Sol：73.0 分
在其他关键开发者指标上，该模型同样表现出色：
- SWEAtlas CodeBase QnA：得分 59.4，优于 GPT-5.6 Sol 和 Opus 5；
- Terminal-Bench 2.1：得分 88.8；
- MRCR 512K-1M：得分高达 98.1，远超 GPT-5.6 Sol 的 73.8 分；
- Agent 能力：在 JobBench、OSWorld 等测试中与 Opus 5 差距微弱，跻身第一梯队。
在 Artificial Analysis 智能指数评测中，Muse Spark 1.3 获得 62 分，与 Claude Fable 5 持平，明显领先于 Gemini 3.8 Flash。
极致性价比：Less is More
Muse Spark 1.3 的核心优势不仅在于性能，更在于其惊人的成本控制能力。Meta 采取了“做减法”的技术路线，通过优化指令遵循能力和减少无效交互轮次，实现了输出更简洁、代码更干净的效果。
实测数据显示，开发者在使用 Muse Spark 1.3 Ultra Contributor 模式进行长达 2 小时的复杂任务时，模型进行了 20 轮自我改进循环（相当于 60 多次智能体运行），总成本不到 1 美元。相比之下，同等智力水平的竞品单任务成本普遍在 0.94 至 1.23 美元之间，而 Muse Spark 1.3 仅为 0.55 美元。
在定价策略上，Meta 维持了输入 1.25 美元/百万 Token、输出 4.25 美元/百万 Token 的标准，而其贡献者版定价更是被称为美国 AI 实验室的"DeepSeek 时刻”，极具竞争力。
战略意图：布局 7×24 小时个人智能体
Muse Spark 1.3 的快速迭代反映了 Meta 在 ASI（超级人工智能）领域的雄心。Alexandr Wang 明确表示，所有改进均服务于打造"7×24 小时在线的个人智能体”这一终极目标。
要实现全天候智能代理服务，模型必须兼具极高的稳定性与极低的运行成本。Muse Spark 1.3 展现出的长线程处理能力、并行工作流支持以及低幻觉率，正是为了解决智能体在模糊指令下的主动提问、阻碍时的求助机制以及关键操作前的确认逻辑。
行业反思：刷榜背后的真实体验
尽管 Muse Spark 1.3 数据亮眼，但行业对其“刷榜”现象仍存质疑。BridgeMind 等机构指出，近期各大模型基准测试分数飙升，但真实世界的应用体验并未同步提升。
压力测试显示，部分模型在特定约束下表现不佳，暴露出“为了跑分而训练”的行业怪圈。Artificial Analysis 报告也发现，Muse Spark 1.3 在某些知识测试中的弃权率有所上升，这表明其通过减少胡编乱造降低了幻觉率，但也侧面反映出绝对知识储备的增长可能不如跑分显示得那么夸张。
未来展望：智能体工程决胜下半场
Muse Spark 1.3 与 Gemini 3.8 Flash 的发布标志着大模型竞争进入新阶段：
- 参数红利见顶：单纯依靠扩大参数规模提升智力的边际效益递减，系统架构创新（如循环深度推理）和工具调用的极致优化成为关键。
- 智能体工程为王：竞争焦点从“谁更会说话”转向“谁更能干活”。未来的核心壁垒是在极低成本下，完成长程复杂任务的真实落地能力。
Muse Spark 1.3 以不到 1 美元完成 60 次试错循环的能力，预示着 AI 商业模式的重塑。谁能率先实现低成本、高可靠的智能体规模化应用，谁就能掌握下一个时代的主动权。
参考资料：
编辑：Aeneas