Meta Muse Spark 1.3 发布：逼近顶尖性能，价格碾压竞品

核心要点

• Meta 已发布 Muse Spark 1.3。xhigh 版本现已可用，而更强大的 max 版本目前仅作为有限预览。
• 该模型在代理任务上进步最大，但在多数基准测试中仍落后于 Claude Fable 5.1 等顶级选手。
• 每任务仅需 0.55 美元，是当前同性能级别中最便宜的。Meta 还称开源版本即将到来。

Meta 发布了 Muse Spark 1.3，这是其五个月内的第四款模型。独立测试显示该模型在代理任务上实力大增，但距顶尖仍有差距。真正打动人的是它的价格。

Meta 通过 Muse Code 和 Meta Model API 发布了 Muse Spark 1.3。该系列于四月启动，1.1 版本七月跟进，1.2 版本八月推出。xhigh 版本现已可用，而计算需求更高的 max 版本还需进一步安全测试，目前仅作为有限合作伙伴预览，据 Artificial Analysis 报道。

输入和输出 token 的单价分别维持不变的 $1.25 和 $4.25 每百万，单次任务成本为 $0.55。在得分 59 分及以上的模型中，没有其他更便宜的选择，同级别的竞品价格在 $0.94 至 $1.23 之间。不过 Muse Spark 1.3 确实比 1.2 版本贵，后者仅 $0.40。

加分项集中在指数权重高的测试中

在 Intelligence Index 上，max 得分 62 分，xhigh 得分 61 分，较八月的 57 分和七月的 53 分均有提升。这一跃升源于指数的测试权重设计：GDPval-AA v2 占 20%，Terminal-Bench 2.1 占 16%，τ³-Bench Banking 占 14%，而 Meta 在这三项测试中都取得了最大幅度的进步。

在 τ³-Banking 中，代理需在模拟银行场景中操作工具，max 达到 52%。据 Artificial Analysis 数据，这是目前排名第一，也是该模型唯一的绝对领先项。可用的 xhigh 版本达到 47%，与 Claude Fable 5.1 (max) 和 GLM-5.3-Flash 持平，并非领先。前代 1.2 版本仅为 35%。

Terminal-Bench 2.1 测试终端编程能力，Muse Spark 1.3 在 xhigh 档位从 80% 提升至 85%，在 max 档位达到 86%；但 Claude Fable 5.1 仍以 max 档位 91.4%、xhigh 档位 91.0%、high 档位 89.9% 的成绩保持榜首。在该指数权重最高的测试项 GDPval-AA v2 中，分数校准基准为人类专家在 220 项真实职业任务中的平均水平（1,000 分），Meta 从 1,615 分提升至 1,709 分（xhigh）和 1,754 分（max）。Claude Fable 5.1（max）则为 1,853 分。Meta 通过算力堆叠拿下 max 档位的领先优势，Reasoning tokens 消耗比 xhigh 高出 62%。

脱离 Agent 测试后，模型表现中规中矩

在 GPQA Diamond（面向专家级科学问题的测试）上，Muse Spark 从 90% 升至 94%，跻身第一梯队，但仍低于 Gemini 3.8 Flash（high）的 95.3% 和 Grok 4.6（high）的 94.9%。CritPt（覆盖研究物理领域）从 18% 跃升至 26%，与 GPT-5.6 Sol（max）的 32.3% 和 Claude Fable 5.1（xhigh）的 31.1% 仍有较大差距。

另有两项得分较 1.2 版本不升反降：AA-LCR 从 83% 跌至 79%；AA-Omniscience 的事实准确率下滑最多三个百分点，原因是模型在不确定时更倾向于拒绝作答。

Meta 与 Artificial Analysis 均未公布 max 变体的定价。更大的模型及开源权重版本 forthcoming。