Muse Spark vs Muse Spark 1.3: Salah Satu Nama Ini Adalah Versi, dan Itulah Seluruh Jawabannya

Mengetikkan Muse Spark terhadap Muse Spark 1.3ke dalam kotak pencarian menyiratkan dua produk, dan hal pertama yang berguna yang bisa diberitahukan siapa pun kepada Anda adalah bahwa hanya ada satu. Meta Superintelligence Labs memperkenalkan Muse Spark pada 8 April 2026, dan Muse Spark 1.3 — dirilis 2 September 2026, dengan tingkat penalaran maksimalnya dibuka untuk para pengembang pada 4 September — adalah apa yang sekarang ditunjuk oleh nama itu. Halaman model Meta sendiri memastikannya dalam tiga kalimat: Muse Spark 1.3 adalah "versi terbaru" dan direkomendasikan untuk pekerjaan baru, Muse Spark 1.2 adalah "versi sebelumnya," dan Muse Spark 1.1 adalah "versi asli." Jadi ini bukanlah pertandingan. Ini adalah pertanyaan versi yang selama ini disembunyikan oleh nama Muse Spark sejak keluarga ini mulai menunjuk ulang, dan jawabannya berubah tergantung pada checkpoint mana yang sebenarnya Anda bandingkan.

Apa arti setiap nama

Nama tanpa versi adalah sebuah keluarga dan sasaran yang terus bergerak. Meta merilis Muse Spark versi asli pada April 2026 sebagai model penalaran multimodal secara native dengan pratinjau API privat, lalu mulai menerbitkan checkpoint bernomor: Muse Spark 1.1, yang katalog kami sendiri cantumkan dengan tanggal rilis 16 Juli 2026; Muse Spark 1.2 pada 5 Agustus 2026; dan Muse Spark 1.3 pada 2 September 2026. Daftar independen sepakat dengan dua tanggal terakhir itu. Ada satu kejanggalan yang perlu ditandai alih-alih dihaluskan: dokumentasi Meta menyebut 1.1 sebagai "versi asli", sementara perkenalan keluarga tersebut terjadi pada April, dan selisih antara kedua pernyataan itu tidak dijelaskan di halaman mana pun yang dapat kami baca. Perlakukan tanggal April sebagai perkenalan keluarga dan Juli sebagai checkpoint pertama yang membawa nomor, dan jangan perlakukan keduanya sebagai peristiwa peluncuran yang dilaporkan halaman ini.

Ketiga versi bernomor itu berbagi baris modalitas yang sama dan jendela konteks 1.048.576 token yang sama, yang dinyatakan Meta secara langsung: ketiganya "berbagi modalitas dan jendela konteks yang sama, dan hanya berbeda pada kemampuan." Kalimat itu adalah hal yang paling berguna secara praktis di halaman tersebut. Artinya, kenaikan versi dalam keluarga ini tidak mengubah bentuk permintaan Anda. Input yang sama — teks, gambar, video, audio, dan PDF — output yang sama yang hanya berupa teks, batas atas yang sama. Yang berubah adalah kualitas jawabannya, dan harganya sama sekali tidak berubah: $1,25 per juta token input, $0,15 per juta input yang di-cache, dan $4,25 per juta token output, identik di 1.1, 1.2, dan 1.3 pada tier Standard Meta.

Aritmetika peningkatan, dari tabel Meta sendiri

Meta menerbitkan satu tabel benchmark yang menempatkan Muse Spark 1.3 yang menjalankan max reasoning di samping Muse Spark 1.2 yang menjalankan xhigh dalam selusin evaluasi agentic dan konteks panjang, dan membacanya baris demi baris menghasilkan gambaran yang lebih menarik daripada yang disiratkan oleh nomor versi. Setiap angka di bawah ini dilaporkan vendor, dihasilkan di dalam harness milik Meta sendiri, dan tidak kami reproduksi.

• GDPval-AA v2 — Muse Spark 1.3 (maks) 1.754 vs Muse Spark 1.2 (xhigh) 1.615

• Terminal-Bench 2.1 — 88,8 vs 82,9

• OSWorld 2.0 — 66,9 vs 47,6

• DeepSWE v1.1 — 75,4 vs 55,0

• SWEAtlas — 59,4 vs 46,2

• JobBench — 64,9 vs 61,6

• MRCR 256K–512K — 98,5 vs 66,3

• MRCR 512K–1M — 98,1 vs 55,5

Dua baris terakhir adalah ceritanya, dan itu bukan baris yang dikutip siapa pun saat peluncuran. Retrieval konteks panjang pada rentang 256K–512K bergerak 32 poin; pada rentang 512K–1M bergerak lebih dari 42. Pekerjaan kapabilitas umum bergerak jauh lebih sedikit: GDPval-AA naik 139 poin pada skala yang memiliki 1,2 pada 1.615, dan JobBench naik 3. Pola ini konsisten dengan apa yang disetel sebuah lab ketika mengejar pekerjaan agentik berjangka panjang — model tidak menjadi lebih pintar secara seragam, model menjadi jauh lebih baik dalam menahan dan mengambil informasi di seluruh konteks yang jendelanya sudah dimilikinya. Jika beban kerja Anda berada di 100K token pertama, peningkatan ini nyata tetapi moderat. Jika beban kerja Anda berada di luar itu, ini adalah perbedaan antara model yang dapat menggunakan konteks besar dan model yang dapat menemukan berbagai hal di dalamnya.

Dua catatan harus menyertai angka-angka itu. Perbandingannya adalah max versus xhigh, bukan max versus max, karena Meta menjalankan 1.2 pada xhigh dan 1.3 pada max — pengaturannya berbeda, jadi sebagian dari peningkatan itu berasal dari anggaran penalaran, bukan kualitas checkpoint. Dan baris 1.2 dalam tabel itu kini merupakan konfigurasi yang tidak digunakan lagi: di luar tabel Meta sendiri, daftar independen menandai Muse Spark 1.2 sebagai tidak digunakan lagi dan mengarah ke 1.3, yang merupakan sinyal terkuat yang tersedia bahwa checkpoint lama itu sedang menuju penghentian.

Gambaran independen, dan perdagangan yang tidak disebutkan siapa pun

Artificial Analysis adalah pihak ketiga dengan daftar publik untuk kedua checkpoint, dan angka-angkanya berbeda dengan angka Meta secara instruktif — bukan soal arah, melainkan soal biaya.

• Muse Spark 1.3 (Max) — Intelligence Index 48, peringkat 24 dari 217; kecepatan keluaran 121,9 token/detik; $1,60 per tugas Index yang diselesaikan; 170 juta token keluaran dihasilkan selama evaluasi

• Muse Spark 1.2 (Xhigh) — Intelligence Index 40, peringkat 59 dari 217; kecepatan output 361,4 token/detik, peringkat pertama dari 186 model; $0,97 per tugas Index yang diselesaikan; 130M token output; waktu ke token pertama 12,67 detik

Bacalah kedua daftar itu secara bersandingan dan peningkatan ini terlihat berbeda dari yang terbaca di tabel Meta. Muse Spark 1.3 delapan poin indeks lebih kuat dan sekitar tiga kali lebih lambat — 121,9 token per detik berbanding 361,4, sementara checkpoint lama adalah model tercepat dari jenis apa pun di papan itu. Biaya per tugas yang diselesaikan meningkat dari $0,97 menjadi $1,60 meskipun harga per token identik, karena model yang lebih baru menghasilkan 40 juta token lebih banyak untuk menyelesaikan evaluasi yang sama. Tidak ada yang berubah pada kartu tarif vendor. Yang berubah adalah seberapa banyak model itu berbicara.

Itulah pertukaran yang disembunyikan oleh nomor versi, dan arahnya berbeda dari yang terlewat oleh sebagian besar pemberitaan. Jika aplikasi Anda sensitif terhadap latensi atau terikat pada throughput, versi Muse Spark sebelumnya mungkin benar-benar menjadi produk yang lebih cepat bagi Anda, dan dengan harga daftar yang sama. Jika aplikasi Anda terikat pada akurasi untuk masalah-masalah sulit, 1.3 dengan penalaran maksimal adalah inti dari peningkatan ini. Ini adalah pembelian-pembelian yang berbeda yang dikemas sebagai kenaikan versi, dan hanya salah satunya yang sesuai dengan asumsi pemberitahuan penghentian tentang apa yang Anda inginkan.

Apa yang ditambahkan 1.3 yang bukan skor

Tingkat penalaran max adalah perubahan paling berdampak dalam rilis 1.3 dan kedatangannya terlambat dua hari. Pada peluncuran 2 September, Meta merilis setiap tingkat upaya hingga xhigh dan menahan max sambil menunggu apa yang disebutnya sebagai pengujian keamanan tambahan, sambil membagikannya kepada kumpulan mitra terbatas. Pada 4 September, pengujian itu selesai dan max menjadi dapat dipilih di Muse Code dan pada id model muse-spark-1.3 melalui Meta Model API. Konsekuensinya, kartu skor utama — 1.754 pada GDPval-AA, 98,5 pada MRCR — dihasilkan pada pengaturan yang tidak dapat dipanggil oleh developer selama dua hari pertama, dan integrasi apa pun yang ditulis pada hari peluncuran mungkin masih hanya mengenumerasi upaya penalaran sampai xhigh. Periksa apa yang diterima rute Anda sebelum mengasumsikan max akan diterapkan.

Meta juga menjual checkpoint 1.3 itu dua kali, dan yang berbeda bukanlah modelnya. muse-spark-1.3 diberi label "Not used to improve our products" dengan harga $1,25 / $0,15 di-cache / $4,25. muse-spark-1.3-contributor diberi label "Used to improve our products" dengan harga $0,10 / $0,002 / $0,20 — sekitar satu orde besaran lebih murah untuk input dan lebih dari dua puluh kali lebih murah untuk output, sebagai imbalan atas izin untuk melatih model dengan prompt dan completion Anda. Keduanya memiliki jendela konteks 1 juta token yang sama. Contributor menggambarkan apa yang Anda kontribusikan, bukan apa yang Anda terima; ini adalah tier harga dengan ketentuan data yang menyertainya, bukan rilis open-weights.

Dan ada satu regresi, yang dinyatakan oleh Meta sendiri, bukan ditemukan oleh pengguna. Pemahaman audio di Muse Spark 1.3 tidak sepenuhnya didukung, dan Meta memperingatkan bahwa kualitas respons pada permintaan yang membawa konten audio mungkin menurun, dengan mengarahkan beban kerja audio ke Muse Spark 1.2. Jadi versi saat ini bukan jawaban yang tepat untuk setiap input dalam baris modalitas keluarga itu sendiri — sebuah kasus di mana checkpoint terbaru justru salah untuk payload yang dapat ditangani oleh versi yang lebih lama.

Versi mana yang benar-benar bisa kamu hubungi

Sebaiknya pisahkan pertanyaan tentang versi dari pertanyaan tentang ketersediaan, karena keduanya punya jawaban yang berbeda. Ketiga versi Muse Spark bernomor semuanya hanya tersedia sebagai hosted: Meta tidak menerbitkan bobot, lisensi, maupun unduhan untuk salah satu pun dari ketiganya, dan varian Contributor adalah tier hosted yang diberi diskon, bukan rilis. Bobot terbuka dalam keluarga ini adalah milik Muse Spark Open, model sparse mixture-of-experts 816B yang diterbitkan Meta pada 15 Oktober 2026, dan milik Muse Glimmer, model Apache 2.0 30B dari 10 Agustus 2026. Keduanya bukan versi Muse Spark, dan keduanya juga bukan pengganti versi tersebut.

Katalog kami sendiri mencerminkan ujung yang lebih lama dari lini ini, dan kami lebih suka mengatakannya secara terus terang daripada membiarkan nomor versi menyiratkan cakupan yang tidak kami miliki. OrcaRouter merutekan Muse Spark 1.1 dan Muse Spark 1.2, keduanya pada harga daftar Meta dengan markup 0% yang diteruskan, keduanya pada jendela 1.048.576 token milik keluarga ini. Muse Spark 1.3 tidak ada di katalog kami saat ini, dan begitu pula kedua varian Contributor. Itu membuat jalur peningkatan yang praktis menjadi dua langkah: 1.2 adalah versi yang dapat Anda rutekan sekarang, 1.3 adalah yang direkomendasikan Meta untuk pekerjaan baru, dan pada hari versi itu tersedia di penyedia yang kami rutekan, perubahannya tiba pada kunci yang sama, bukan di kode integrasi Anda.

Persoalan versi juga menjadi momen ketika router membuktikan nilainya dengan cara yang khas untuk keluarga ini. Tiga checkpoint, satu vendor, satu endpoint, tanpa bobot — seluruh lini berjalan melalui satu API yang dioperasikan oleh satu perusahaan, dan itulah risiko konsentrasi dari membangun di atasnya. Merutekan 1.1 dan 1.2 di belakang satu endpoint yang kompatibel dengan OpenAI berarti panggilan long-context yang gagal dapat dialihkan ke checkpoint lainnya alih-alih menggagalkan permintaan, dan DSL routing memungkinkan Anda membagi lalu lintas produksi di antara keduanya melalui konfigurasi, sehingga Anda dapat mengukur apakah kecepatan 1.2 lebih bernilai bagi Anda daripada akurasi 1.3 pada prompt Anda sendiri, bukan pada indeks orang lain. Itulah satu-satunya perbandingan versi yang menjawab pertanyaan itu untuk beban kerja Anda.

Jawabannya, tergantung pada pertanyaan mana yang Anda bawa.

Jika Anda ingin tahu apakah Muse Spark dan Muse Spark 1.3 adalah model yang berbeda: keduanya bukan. 1.3 adalah arti nama itu sekarang, dan Meta menyebutnya sebagai yang terbaru serta merekomendasikannya untuk pekerjaan baru. Jika Anda ingin tahu apa yang Anda dapatkan dengan beralih dari versi sebelumnya: sekitar 32 hingga 42 poin pengambilan konteks panjang, lompatan besar dalam penggunaan komputer agentik dan pengodean horizon panjang, serta penurunan tiga kali lipat dalam kecepatan keluaran pada harga per token yang sama. Jika Anda ingin tahu berapa biayanya: kartu tarif tidak berubah selama tiga versi, yang menunjukkan bahwa Meta bersaing pada kemampuan per dolar, bukan pada dolarnya.

Apa yang tidak dapat diberitahukan oleh semua angka ini kepada Anda adalah di sisi mana dari trade-off itu beban kerja Anda sendiri berada, dan posisi yang jujur adalah bahwa pemberitahuan penghentian dari vendor mengasumsikan sebuah jawaban untuk Anda. Versi yang tiga kali lebih cepat dengan harga yang sama tetap satu-satunya dari keduanya yang dapat Anda jangkau melalui router saat ini, yang menjadikannya eksperimen yang luar biasa murah untuk dijalankan sebelum 1.3 tiba.

Yang tidak dapat diberitahukan oleh angka-angka kepada Anda adalah apakah ada di antaranya yang bermasalah di lapangan: insiden AI dan kegagalan agen yang terdokumentasi seputar model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive, tempat setiap entri memuat sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.