Muse Spark 1.2 Contributor

1. 能处理更完整的软件工程任务

Muse Spark 1.2 Contributor 不只适合生成代码片段。

它可以先读代码库，再拆任务、修改多个文件、调用工具、运行测试，然后根据结果继续修。

像重构、Bug 修复、代码迁移这类工作，更需要这种连续处理能力，而不是单次回答写得多漂亮。

Terminal-Bench 和 DeepSWE 这类评测也更接近这个方向：看的不是会不会写一个函数，而是能不能把任务做下去。

2. 更偏 Agent 工作流

Muse Spark 1.2 和 Meta 的编程 Agent Muse Code 采用 co-train 方式训练。

这种训练路线强调连续操作：先规划，再调用工具，读取结果，然后决定下一步。

如果你的使用场景是 IDE Agent、自动修复、批量开发任务，这一点比普通聊天能力更重要。

模型需要做的不是每次等你重新下命令，而是能沿着一个目标持续工作。

3. 104 万 token 上下文，加上多模态输入

104 万 token 的价值很直接：一次能放进去更多代码和资料。

分析跨文件依赖、读大型仓库、对照技术文档改代码时，不需要频繁拆上下文。

它还支持图像、视频、音频和 PDF 输入。

比如设计稿、接口文档、技术 PDF 和代码，可以放在同一个任务里处理，不需要先手动把所有内容转成纯文本。

4. 相比 Muse Spark 1.1，进化在哪？

Muse Spark 1.2 的提升主要落在复杂任务完成度上。

Terminal-Bench 2.1 提升 6.7 个百分点，DeepSWE 1.1 提升 6.3 个百分点。

再加上更明确的 Agent 训练路线，1.2 的方向已经很清楚：少一点“帮你写段代码”，多一点“把这个开发任务做完”。

如果 1.1 更像在验证编程能力，1.2 则更接近真正干工程活。

优势

• Contributor 的价格很低。 大量跑 Agent、测试和批处理任务时，成本差距很明显。
• 没有拿性能换折扣。 Contributor 和 Standard 使用同一个 Muse Spark 1.2。
• 适合代码库级任务。 104 万 token 上下文，加上工具调用，更适合长流程开发工作。
• 支持多模态输入。 设计稿、技术文档和代码可以放在同一个任务里处理。
• 接入门槛不高。 支持 OpenAI Chat Completions API 格式。

限制

• 最大的代价是数据。 Contributor 中提交的内容可以被 Meta 用于模型改进。
• 有地区限制。 欧盟、英国、澳大利亚等地区无法使用 Contributor。

推荐人群

独立开发者、学生、开源项目维护者，以及大量处理公开代码的人，比较容易吃到 Contributor 的价格红利。

特别是代码本身已经公开的项目，数据这一关没那么敏感。

Meta 想拿公开代码训练，就让它拿。至少开发者换回来的低价 API 是实打实的。

不推荐人群

公司内部研发、客户项目、未发布产品，以及任何把代码当核心资产的团队，都不适合用 Contributor。

这里其实没必要绕太多。

如果你的代码本身就不值钱，或者已经公开，这个 deal 很值。

如果代码是你的核心资产，那就别碰。

再便宜的 token，也不值得拿商业代码去换。

Muse Spark 1.2 Contributor 最有意思的地方，也正在这里：Meta 直接给“数据”标了一个价格。

你真正该问的，不是 Contributor 比 Standard 便宜多少。

而是：

Meta 给你的这点折扣，买得起你的代码吗？