Meta Platforms 推出 Muse Spark 1.3，性能大幅提升

Meta Superintelligence Labs 的最新更新将工具调用减少了 20%，代币使用量减少了 25%，从而增强了其用于复杂工程工作流程的 AI 编码代理。

Meta 正在以大多数公司发送 Slack 消息的方式发送人工智能模型更新：持续不断，而且越来越紧迫。 9 月 2 日，首席执行官马克·扎克伯格 (Mark Zuckerberg) 宣布发布 Muse Spark 1.3，这是对五个月前还不存在的模型系列的第三次重大更新。

新版本为开发人员带来了有意义的效率提升，与前身 Muse Spark 1.2 相比，工具调用减少了 20%，消耗的代币减少了 25%。实际上，这意味着该模型可以用更少的资源做更多的事情，生成更清晰的代码，同时消耗更少的计算资源来实现这一目标。

Muse Spark 1.3 实际上有什么不同

核心升级集中在两个方面：代理工作流程和编码性能。 Muse Spark 1.3 接受了更广泛的长期编码任务的训练，这相当于教人跑马拉松而不仅仅是冲刺 100 米。

工具调用次数减少 20% 很重要，因为每次工具调用都会带来延迟和潜在错误。具有相同输出质量的调用更少意味着该模型在何时使用外部工具以及何时在内部处理事务方面变得更加智能。

同样，代币使用量减少 25% 可直接转化为成本节省。 Token是大多数AI API的计费单位。在其他条件相同的情况下，用少四分之一的代币就能达到相同结果的模型，大规模运行的成本要低 25%。

Muse Spark 1.3 可通过 Muse Code、Meta 的 beta 编码代理和 Meta Model API 立即使用。 “最大推理”模式也在酝酿之中，但在通过额外的安全测试之前不会发布。

从零到1.3版本历时五个月的冲刺

这里的迭代速度值得注意。 Muse Spark 系列于 2026 年 4 月首次亮相。1.1 版本随后于 7 月发布。 1.2 版本于 8 月发布。现在 1.3 将于 9 月份发布。

大约五个月内发布了四个版本，即使按照当前人工智能军备竞赛的标准，这种节奏也很激进。

整个努力可以追溯到 Meta 内部一个令人不安的认识：其开源 Llama 模型曾经是一个值得骄傲的点，但它却无法跟上 OpenAI 和其他竞争对手的前沿模型。扎克伯格并没有逐步改进 Llama，而是选择了更激进的做法。

Meta Superintelligence Labs（MSL）是作为一个专门部门而创建的，目的是从头开始重建公司的人工智能能力。该实验室由 Alexandr Wang 领导，考虑到 Meta 对 Wang 创立的数据标签公司 Scale AI 投资 143 亿美元，这是一个值得注意的选择。

Muse Spark 模型代表了 Meta 人工智能战略的哲学转变。 Meta 并不纯粹在通用语言模型的基准分数上进行竞争，而是将赌注押在多模态推理和工具利用率上。其既定目标是提供一种“个人超级智能”体验，其中人工智能不仅回答问题，而且积极协作实现复杂的多步骤目标。

竞争格局日趋紧张

对于评估 AI 编码工具的企业客户来说，工具调用量减少 20% 和令牌减少 25% 并不是抽象的改进。它们直接显示在 API 账单、延迟测量和开发人员满意度评分中。