Muse Spark 1.3

1. 编程能力——少跑几轮才是真省钱

Muse Spark 1.3 在编程上的改动，我最关注的是任务执行效率。

Meta 给出的数字很直接：

• 工具调用减少约 20%
• 完成相同任务的 token 消耗减少约 25%
• 输出更短，无效轮次更少

复杂编程任务不是输入一句话，然后等代码出来。

模型通常要先找文件、读代码、调用工具、修改、检查，再根据结果继续下一轮。中间每多绕一次，都会多花时间和 token。

所以相比“回答更聪明了”，我更愿意看它到底少做了多少没必要的事。

DeepSWE v1.1 中，Muse Spark 1.3 得分 75.4，GPT 5.6 Sol 是 73.0，Opus 5 是 74.0。

Terminal-Bench 2.1 上，1.3 得到 88.8。

这些 benchmark 能证明它的编码能力已经处在很高的位置，但更有价值的还是任务链变短。

如果一个 Agent 原本要来回调十几次工具才能解决问题，现在能少掉两三次，那就是实打实的时间和调用费。

2. Agent 能力——别把一个误解执行到底

Agent 这块比单纯的代码生成更值得看。

Meta 提到，1.3 遇到模糊指令时，更倾向于先确认，而不是自己补全缺失条件继续往下做。长任务里碰到障碍时，也更愿意停下来请求用户介入。

听起来有点保守，但 Agent 就应该适当保守。

普通聊天理解错一句话，大不了重问一次。Agent 如果第一步理解错了，后面可能会继续查文件、改代码、跑工具，十几步之后才发现方向从一开始就错了。

这种“自信地一路错下去”，才是长任务最麻烦的地方。

MRCR 长上下文测试里，1.3 的变化也很明显：

• 256K–512K：98.5，1.2 为 66.3
• 512K–1M：98.1，1.2 为 55.5

我觉得这组数字比“支持 100 万 token”这个规格本身更有看头。

上下文开到 100 万并不等于真的能用好 100 万。真正难的是内容越来越长之后，模型还能不能记得前面发生了什么，别突然开始丢线索。

从这组结果看，1.3 至少在这个问题上往前走了一大步。

3. 多模态和长上下文

Muse Spark 1.3 可以输入文本、图片、视频、音频和 PDF，输出只有文本。

上下文窗口是 100 万 tokens，大约相当于 75 万个英文单词。

对普通聊天来说，这个数字有点夸张。

但放到代码仓库、多文件任务或者长文档里就很好理解：以前要自己挑文件、裁代码、反复补背景，现在可以少做很多整理工作。

这部分我反而不会吹太多。

窗口大只是“能放进去”，能不能在几十万 token 里稳定找到真正相关的信息，才决定它好不好用。MRCR 的成绩上升，至少比单纯写一个“1M context”更有说服力。

4. 和 Muse Spark 1.2 比，变化到底有多大

1.2 是 8 月 5 日发布的，1.3 在 9 月 2 日上线，中间不到一个月。

按版本号看，我原本会把它当成一次小更新。

但 1.3 的改动其实很集中：编程任务少跑几步，长上下文稳定很多，Agent 遇到不确定情况也没那么喜欢硬着头皮往下冲。

Terminal-Bench 2.1 从 82.9 升到 88.8，MRCR 的长上下文成绩提升更大。

至于工具调用和 token 消耗，就不再把同样的 20% 和 25% 重复列一次了。前面已经够说明问题。

这些数字大多还是 Meta 自己给出的。

Artificial Analysis 的独立测试支持 1.3 比 1.2 更强这个方向，但我不会因为几张 benchmark 表就直接下结论说它“领先所有模型”。

真正在开发里值得观察的是另一件事：

一个复杂任务跑完之后，它到底少浪费了多少步骤。

这也是 1.3 给我留下最深的印象。

Muse Spark 1.3 不是那种一眼看上去“参数翻倍”的更新。

它更像是 Meta 开始认真修 Agent 的工作习惯。

该读文件的时候读文件，该停下来问的时候先问，能少调一次工具就别多跑一轮。听起来都不是特别炫，但真正做长任务时，这些地方比多拿三五个 benchmark 分更影响体验。

100 万 token 上下文也一样。拿来聊天有点浪费，放到代码仓库、多文件任务和长 Agent 里才有意义。

限制也摆在那里：最大输出还是 13.1 万 tokens，没有开放权重版本，一些漂亮的性能数字还主要来自 Meta 自己。

Contributor 则更像一个额外的“狠价套餐”。个人开发、公开代码和实验项目可以认真考虑；涉及公司资产和敏感数据，就别因为每百万 tokens 省几美元，把更贵的东西送出去。

如果要我用一句话评价 Muse Spark 1.3：

它没有明显变得更爱表现，但开始没那么爱瞎忙了。