Muse Spark 1.3 Contributor debiutuje w cenie $0.10/$0.20: najtańszy model kodowania Meta, opłacany danymi.

Meta wypuściła Muse Spark 1.3 Contributor 2 września, a zaskoczeniem nie jest model — tylko cena. Muse Spark 1.3 Contributor to wariant SKU do udostępniania danych nowego checkpointu Muse Spark 1.3, wyceniony na 0,10 USD za milion tokenów wejściowych i 0,20 USD za milion tokenów wyjściowych, wobec 1,25 i 4,25 USD za standardowy Muse Spark 1.3: to mniej więcej 12-krotna zniżka na tokenach wejściowych i 21-krotna na wyjściowych, która daje Meta prawo do trenowania na Twoich promptach i dokończeniach. Alexandr Wang, kierujący pracami Meta nad AI, nazwał tę wycenę „agresywną”, stwierdził, że „znaczny dwucyfrowy odsetek” deweloperów już wybiera poziom Contributor, który Meta wprowadziła wraz z Muse Spark 1.2 w sierpniu, i przedstawił premierę jako fundament pod osobistych agentów działających całodobowo w imieniu użytkownika. Model wystartował w Meta Model API oraz w Muse Code — terminalowym agencie Meta do pisania kodu — już pierwszego dnia; wariant „max reasoning” tego checkpointu wciąż przechodzi testy bezpieczeństwa. Zespoły, które przepuszczają zadania programistyczne przez API, powinny odczytać to jako ruch w wojnie cenowej przebrany za premierę modelu — a SKU Contributor jest bronią.

Wydanie i poziom, który zmienia jego znaczenie

Muse Spark 1.3 to czwarte wydanie w linii Muse Spark od kwietnia i najszybsze tempo, jakie Meta kiedykolwiek utrzymała w przypadku flagowego modelu: oryginalny Muse Spark 8 kwietnia, Muse Spark 1.1 9 lipca (pierwszy płatny model API Meta), skoncentrowany na kodowaniu Muse Spark 1.2 5 sierpnia, a teraz 1.3 miesiąc później. Meta utrzymała standardową cenę 1.3 identyczną z ceną 1.2, co samo w sobie jest godne uwagi — firma utrzymuje ceny API na stałym poziomie, jednocześnie deklarując duży skok w możliwościach kodowania. Warstwa Contributor to miejsce, w którym naprawdę realizuje się strategia cenowa Meta: zamiast oferować rabat na standardowy SKU, Meta wysyła ten sam punkt kontrolny dwukrotnie — raz w pełnej cenie bez klauzuli o danych treningowych i raz niemal po kosztach w zamian za prawa do użytkowania. Ta dwuczłonowa struktura SKU, po raz pierwszy wprowadzona w 1.2 w sierpniu, jest teraz domyślną dla całej rodziny.

• Punkt kontrolny — Muse Spark 1.3, multimodalny model rozumowania o zamkniętych wagach (tekst, obraz, wideo, audio i PDF na wejściu; tekst na wyjściu).

• Kontekst — 1 048 576 tokenów wejściowych, limit 131 072 tokenów wyjściowych, bez zmian względem wersji 1.2.

• Standard SKU — 1,25 USD za wejście, 4,25 USD za wyjście, 0,15 USD za wejście z pamięci podręcznej. Brak klauzuli o danych treningowych.

• SKU dla współtwórców— 0,10 USD za dane wejściowe, 0,20 USD za dane wyjściowe, 0,002 USD za dane wejściowe z pamięci podręcznej. Prompty i odpowiedzi mogą być wykorzystywane do trenowania modeli Meta.

• Tryby rozumowania — standardowe tryby są dostępne od premiery; „max reasoning” został wstrzymany do czasu testów bezpieczeństwa.

• Gdzie działa — Meta Model API i Muse Code, przy czym Contributor SKU jest również dystrybuowany za pośrednictwem platform, z którymi Meta zawarła umowy.

Struktura „ten sam checkpoint, dwie umowy” ma znaczenie z jednego praktycznego powodu: jakość modelu nie jest zmienną różniącą te SKU. Deweloper, który płaci $4.25 za milion tokenów na wyjściu, i deweloper, który płaci $0.20, wywołują te same wagi. Decyzja między nimi sprowadza się wyłącznie do klauzuli dotyczącej danych i związanych z nią limitów operacyjnych — dlatego opcja Contributor zasługuje na omówienie jako osobny produkt, a nie tylko przypis do premiery wersji 1.3.

Co według Meta zmienia nowy punkt kontrolny

Ponieważ 1.2 samo było wydaniem skupionym na kodzie, historia 1.3 to głównie „lepszy w tym samym zadaniu”. Wszystkie poniższe liczby pochodzą od Meta i dotyczą premiery, a nie zostały jeszcze potwierdzone przez niezależnego ewaluatora:

• Terminal-Bench 2.1 — 88,8, co według Meta dorównuje najlepszemu wynikowi na liście, wobec 82,9, jakie Meta odnotowała dla Muse Spark 1.2 w tym samym benchmarku.

• DeepSWE v1.1 — 75,4, co Meta nazywa najnowocześniejszym wynikiem w długohoryzontowym benchmarku agentowym, wyprzedzającym 73,0 i 74,0, które przypisuje dwóm czołowym rywalom.

• Utrzymywanie długiego kontekstu — 98,5 w teście MRCR przy 256K–512K i 98,1 przy 512K–1M, oba wyniki deklarowane przez producenta.

• Wydajność — inżynierowie Meta raportują około 20% mniej wywołań narzędzi i 25% mniej tokenów niż Muse Spark 1.2 przy tych samych zadaniach, co jest twierdzeniem najbardziej bezpośrednio przekładającym się na porównanie kosztów.

Twierdzenia o efektywności są istotne nawet wtedy, gdy wyniki benchmarków nie przetrwają zderzenia z niezależnym środowiskiem testowym, ponieważ kumulują się z ceną Contributor. Jedynym niezależnym punktem odniesienia dostępnym dziś jest poprzednia generacja: na Artificial Analysis najnowszym wpisem Muse Spark pozostaje nadal Muse Spark 1.2, z Intelligence Index na poziomie 57 i zmierzonym wynikiem około 80,1 w Terminal-Bench 2.1 — poniżej 82,9, które Meta podaje dla tego modelu. Żaden niezależny przebieg Muse Spark 1.3 nie został dotychczas opublikowany, a na Artificial Analysis wciąż brakuje checkpointu 1.3. Wartości 88,8 i 75,4 należy traktować jako deklaracje Meta, dopóki nie potwierdzi ich arena lub zewnętrzne środowisko testowe.

W drobnym druku Contributora kryje się sedno umowy.

Różnica między tokenami wyjściowymi po 0,20 USD a 4,25 USD jest realna, podobnie jak realne są warunki z nią związane. Program Meta Contributor, opublikowany wraz z wersją 1.2 z sierpnia, łączy obniżoną stawkę z ograniczeniami, które zmieniają sposób, w jaki poważny zespół może z niego korzystać:

• Wykorzystanie danych — prompty i odpowiedzi wysyłane za pośrednictwem SKU Contributor mogą być wykorzystywane do trenowania modeli Meta. Obejmuje to kod, a w przypadku kodera agentycznego — w praktyce zawartość repozytoriów, do których został skierowany. To jest właśnie cały powód tej zniżki.

• Limity szybkości — warstwa Contributor ma znacznie ciaśniejsze limity niż wersja standardowa: 60 żądań na minutę i 2,1 mln tokenów na minutę, wobec 3000 żądań i 4 mln tokenów na minutę w standardowym SKU. To 50× różnica w przepustowości żądań, która wyklucza warstwę Contributor przy skokowych obciążeniach CI lub dużych równoległych przebiegach ewaluacyjnych.

• Ograniczenia regionalne — Dostępność kontrybutorów jest ograniczona do wybranych regionów, a wymagana jest metoda płatności, mimo że koszt krańcowy sesji może wynosić centy.

• Dodatki nie są objęte zniżką — grounding w wyszukiwaniu internetowym kosztuje 2,50 USD za 1000 zapytań w obu planach, więc agent intensywnie korzystający z wyszukiwania zaoszczędzi procentowo mniej, niż wynikałoby to ze stawek za tokeny.

• Rozumowanie rozliczane jest jako wynik — wszystkie tokeny rozumowania są liczone według stawki wyjściowej, więc 21-krotny rabat na wyjście to liczba, która dominuje w obciążeniu agentowym.

Co tokeny wyjściowe za 0,20 USD robią z rachunkiem agenta

Weźmy reprezentatywne zadanie kodowania agentowego: 200 000 tokenów wejściowych (kontekst i stan repozytorium) oraz 40 000 tokenów wyjściowych, w tym rozumowanie i wywołania narzędzi. Dla standardowej SKU Muse Spark 1.3 rachunek to 1,25 $ × 0,2 + 4,25 $ × 0,04, czyli około 0,42 $ za zadanie. Dla Muse Spark 1.3 Contributor ta sama arytmetyka to 0,10 $ × 0,2 + 0,20 $ × 0,04, czyli około 0,03 $ — mniej więcej jedna piętnasta ceny, zanim jeszcze uwzględni się zysk wydajności w postaci 25% mniejszej liczby tokenów. W skali zespołu realizującego kilka tysięcy zadań agentowych miesięcznie wariant Contributor zamienia pięciocyfrowy rachunek za tokeny na trzycyfrowy. To jest oferta. Drobnym drukiem powyżej jest koszt, a dla wielu zespołów istotne pytanie nie brzmi, czy oszczędność jest realna, ale czy klauzula dotycząca danych i limit 60 żądań na minutę są do zaakceptowania.

Jak faktycznie uruchomiłbyś to dzisiaj

Muse Spark 1.3 Contributor nie jest jeszcze udostępniany przez każdą platformę, która obsługiwała Muse Spark 1.2, więc uczciwy obraz dostępu jest podzielony. Po stronie Meta wariant Contributor jest dostępny bezpośrednio przez Meta Model API — to własny endpoint producenta i to na poziomie udostępniania danych egzekwowane są tam warunki. Po naszej stronie jedynym dziś elementem rodziny Muse Spark, który można kierować przez router, jest standardowy Muse Spark 1.2, serwowany na OrcaRouter w cenie katalogowej Meta — 1,25 USD za wejście i 4,25 USD za wyjście — z 0% marżą: jeden klucz API, żadnej drugiej umowy i automatyczne przełączanie awaryjne, gdy dostawca nadrzędny jest przeciążony. Gdy dostawca wpięty do routera doda rodzinę Muse Spark 1.3, oba SKU pojawią się tego samego dnia w cenach katalogowych, bo OrcaRouter przekazuje stawkę dostawcy bez zmian: obniżka ceny producenta albo wariant Contributor od razu trafia na fakturę, zamiast pojawiać się dopiero po renegocjacji. To właśnie takie przekazywanie stawek jest praktycznym powodem, by śledzić, gdzie wyląduje 1.3, zamiast zakładać, że obecny podział jest trwały.

Najbliższe dwa tygodnie

Cztery rzeczy zadecydują o tym, czy Muse Spark 1.3 Contributor to prawdziwy punkt zwrotny, czy tylko marketingowa retoryka. Po pierwsze, czy niezależna weryfikacja potwierdzi wyniki 88,8 w Terminal-Bench i 75,4 w DeepSWE, ponieważ cała narracja o „froncie w okazyjnej cenie" na nich się opiera. Po drugie, kiedy ukaże się wstrzymywany wariant „max reasoning" i czy będzie on oferowany również w warstwie Contributor. Po trzecie, jak rywale Meta odpowiedzą na cenę — poważny model dla programistów w cenie 0,20 USD za tokeny wyjściowe wywiera presję na każdy droższy model premium do kodowania, a odpowiedź będzie widoczna w ciągu kilku tygodni. Po czwarte, czy wczesny sceptycyzm społeczności — niektórzy recenzenci nazwali wersję 1.3 iteracyjną, „wyciskaniem pasty do zębów" po miesięcznej przerwie — ustąpi miejsca wyważonym wynikom testów zewnętrznych. Dopóki one nie nadejdą, racjonalne stanowisko jest takie, że Muse Spark 1.3 Contributor to niezwykle tani sposób na uruchomienie bardzo wydajnego modelu do kodowania, a cała zniżka jest okupiona klauzulą dotyczącą danych, która zasługuje na taką samą kontrolę jak wykresy benchmarków.