Muse Spark vs Muse Spark 1.3: Jedna z tych nazw to wersja i to jest cała odpowiedź

Wpisanie Muse Spark przeciwko Muse Spark 1.3 w pole wyszukiwania sugeruje dwa produkty, a pierwszą użyteczną rzeczą, jaką ktokolwiek może ci powiedzieć, jest to, że istnieje tylko jeden. Meta Superintelligence Labs wprowadziło Muse Spark 8 kwietnia 2026 r., a Muse Spark 1.3 — wydany 2 września 2026 r., którego maksymalny poziom rozumowania udostępniono deweloperom 4 września — jest tym, na co obecnie wskazuje ta nazwa. Strona modelu samej Meta rozstrzyga to w trzech zdaniach: Muse Spark 1.3 to „najnowsza wersja” i jest zalecany do nowych projektów, Muse Spark 1.2 to „poprzednia wersja”, a Muse Spark 1.1 to „wersja oryginalna”. To zatem nie jest pojedynek. To pytanie o wersję, które nazwa Muse Spark ukrywa, odkąd rodzina zaczęła wskazywać na kolejne wersje, a odpowiedź zmienia się w zależności od tego, z którym z wcześniejszych checkpointów faktycznie porównywano.

Co oznacza każda nazwa

Nazwa bez numeru wersji to rodzina i ruchomy cel. Meta wydała oryginalny Muse Spark w kwietniu 2026 jako natywnie multimodalny model rozumujący z prywatnym podglądem API, a następnie zaczęła wydawać numerowane punkty kontrolne: Muse Spark 1.1, który nasz własny katalog podaje z datą wydania 16 lipca 2026; Muse Spark 1.2 z 5 sierpnia 2026; oraz Muse Spark 1.3 z 2 września 2026. Niezależne wykazy zgadzają się z tymi dwiema ostatnimi datami. Jest pewien zgrzyt, który warto zaznaczyć, a nie wygładzić: dokumentacja Meta nazywa wersję 1.1 „wersją oryginalną”, choć wprowadzenie rodziny nastąpiło w kwietniu, a rozbieżność między tymi dwoma stwierdzeniami nie została wyjaśniona na żadnej stronie, do której mogliśmy dotrzeć. Datę z kwietnia należy traktować jako wprowadzenie rodziny, a lipiec jako pierwszy punkt kontrolny opatrzony numerem; żadnej z nich nie należy traktować jako wydarzenia premierowego, o którym informuje ta strona.

Wszystkie trzy numerowane wersje mają ten sam wiersz modalności i to samo okno kontekstowe o rozmiarze 1 048 576 tokenów, co Meta stwierdza wprost: „mają te same modalności i okno kontekstowe, a różnią się jedynie możliwościami”. To zdanie jest najbardziej przydatną w praktyce informacją na stronie. Oznacza to, że zmiana numeru wersji w tej rodzinie nie zmienia kształtu Twojego żądania. Te same dane wejściowe — tekst, obraz, wideo, audio i PDF — te same dane wyjściowe wyłącznie tekstowe, ten sam limit. Zmienia się jakość odpowiedzi, a cena nie zmienia się wcale: 1,25 USD za milion tokenów wejściowych, 0,15 USD za milion tokenów wejściowych z pamięci podręcznej i 4,25 USD za milion tokenów wyjściowych — identycznie w wersjach 1.1, 1.2 i 1.3 w warstwie Standard Meta.

Arytmetyka modernizacji, z własnej tabeli Meta

Meta publikuje pojedynczą tabelę benchmarków, która zestawia Muse Spark 1.3 działający w trybie maksymalnego rozumowania obok Muse Spark 1.2 działającego w trybie xhigh w dwunastu ewaluacjach agentowych i długokontekstowych, a czytanie jej wiersz po wierszu daje ciekawszy obraz, niż sugeruje numer wersji. Każda poniższa liczba jest raportowana przez dostawcę, uzyskana w własnym środowisku testowym Meta i nie została przez nas odtworzona.

• GDPval-AA v2 — Muse Spark 1.3 (max) 1754 vs Muse Spark 1.2 (xhigh) 1615

• 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

Ostatnie dwa wiersze to cała historia i nie są to wiersze, które ktokolwiek cytował przy premierze. Wyszukiwanie w długim kontekście w przedziale 256K–512K przesuwa się o 32 punkty; w przedziale 512K–1M przesuwa się o ponad 42. Ogólne możliwości rosną znacznie mniej: GDPval-AA w górę o 139 punktów na skali, która miała 1,2 przy 1 615, a JobBench w górę o 3. Ten wzorzec jest zgodny z tym, co laboratorium dostraja, gdy goni za pracą agentową o długim horyzoncie — model nie stał się równomiernie mądrzejszy, stał się dramatycznie lepszy w utrzymywaniu i wyszukiwaniu informacji w kontekście, na który już miał okno. Jeśli twoje obciążenie mieści się w pierwszych 100K tokenów, ulepszenie jest prawdziwe, ale skromne. Jeśli wykracza poza to, to różnica między modelem, który potrafi wykorzystać duży kontekst, a takim, który potrafi znaleźć w nim informacje.

Do tych liczb trzeba dodać dwa zastrzeżenia. Porównanie dotyczy max z xhigh, a nie max z max, ponieważ Meta uruchomiła 1.2 w trybie xhigh, a 1.3 w trybie max — ustawienia się różnią, więc część zysku wynika z budżetu rozumowania, a nie z jakości checkpointu. A wiersz 1.2 w tej tabeli to obecnie przestarzała konfiguracja: poza własną tabelą Meta niezależne zestawienia oznaczają Muse Spark 1.2 jako przestarzały i wskazują na 1.3, co jest najsilniejszym dostępnym sygnałem, że starszy checkpoint jest na drodze do wycofania.

Niezależny obraz i transakcja, o której nikt nie wspomina

Artificial Analysis to strona trzecia z publicznymi zestawieniami dla obu checkpointów, a jej liczby nie zgadzają się z danymi Meta w pouczający sposób — nie co do kierunku, lecz co do kosztu.

• Muse Spark 1.3 (Max) — Intelligence Index 48, miejsce 24 z 217; prędkość generowania 121.9 tokenów/sekundę; $1.60 za ukończone zadanie Index; 170 mln tokenów wyjściowych wygenerowanych podczas oceny

• Muse Spark 1.2 (Xhigh) — Intelligence Index 40, 59. miejsce na 217; prędkość generowania 361,4 tokena na sekundę, 1. miejsce wśród 186 modeli; 0,97 USD za ukończone zadanie Index; 130 mln tokenów wyjściowych; czas do pierwszego tokena 12,67 sekundy

Zestaw obie listy ze sobą, a aktualizacja wygląda inaczej niż w tabeli Meta. Muse Spark 1.3 jest o osiem punktów indeksu mocniejszy i około trzy razy wolniejszy — 121,9 tokena na sekundę w porównaniu z 361,4, gdzie starszy checkpoint był najszybszym modelem jakiegokolwiek rodzaju w tym zestawieniu. Koszt ukończonego zadania wzrósł z 0,97 USD do 1,60 USD, mimo że cena za token jest identyczna, ponieważ nowszy model generuje o 40 milionów tokenów więcej, aby ukończyć tę samą ocenę. Nic się nie zmieniło w cenniku dostawcy. Zmieniło się to, ile model mówi.

To kompromis, który skrywa numer wersji — i przechyla szalę w stronę, którą większość omówień przeoczyła. Jeśli Twoja aplikacja jest wrażliwa na opóźnienia lub ograniczona przepustowością, poprzednia wersja Muse Spark może być dla Ciebie naprawdę szybszym produktem — i to w tej samej cenie katalogowej. Jeśli natomiast w trudnych problemach liczy się dokładność, sednem tej aktualizacji jest wersja 1.3 z trybem max reasoning. To dwa różne zakupy przebrane za podniesienie numeru wersji, a tylko jeden z nich jest tym, czego — jak zakłada komunikat o wycofaniu — chcesz.

Co dodano w wersji 1.3, co nie jest wynikiem

Poziom rozumowania max to zmiana o największych konsekwencjach w wydaniu 1.3 i pojawił się z dwudniowym opóźnieniem. Podczas premiery 2 września Meta udostępniła każdy poziom wysiłku aż do xhigh, a max wstrzymała, czekając na to, co nazwała dodatkowymi testami bezpieczeństwa, udostępniając go ograniczonemu gronu partnerów. 4 września te testy się zakończyły i max stał się możliwy do wybrania w Muse Code oraz pod identyfikatorem modelu muse-spark-1.3 przez Meta Model API. Konsekwencją jest to, że główna tabela wyników — 1 754 w GDPval-AA, 98,5 w MRCR — została uzyskana przy ustawieniu, którego programiści nie mogli wywołać przez pierwsze dwa dni, a każda integracja napisana w dniu premiery może nadal wyliczać poziom wysiłku rozumowania tylko do xhigh. Sprawdź, co akceptuje Twoja trasa, zanim założysz, że max zostanie obsłużony.

Meta również sprzedaje checkpoint 1.3 dwukrotnie, a różnica nie tkwi w modelu. muse-spark-1.3 jest oznaczony jako „Nie wykorzystuje się go do ulepszania naszych produktów” w cenie 1,25 USD / 0,15 USD za tokeny z pamięci podręcznej / 4,25 USD. muse-spark-1.3-contributor jest oznaczony jako „Wykorzystuje się go do ulepszania naszych produktów” w cenie 0,10 USD / 0,002 USD / 0,20 USD — około rząd wielkości taniej na wejściu i ponad dwadzieścia razy taniej na wyjściu, w zamian za zgodę na trenowanie na twoich promptach i uzupełnieniach. Oba mają to samo okno kontekstowe wynoszące 1 mln tokenów. „Contributor” opisuje to, co wnosisz, a nie to, co otrzymujesz; to poziom cenowy z dołączonym warunkiem dotyczącym danych, a nie wydanie z otwartymi wagami.

I jest jedna regresja, podana przez samą Meta, a nie odkryta przez użytkownika. Rozumienie dźwięku w Muse Spark 1.3 nie jest w pełni obsługiwane, a Meta ostrzega, że jakość odpowiedzi na żądania zawierające treści audio może się pogorszyć, kierując zadania audio do Muse Spark 1.2. Zatem bieżąca wersja nie jest właściwym wyborem dla każdego wejścia w wierszu modalności samej rodziny — przypadek, w którym najnowszy checkpoint jest niewłaściwy dla ładunku, z którym radzi sobie starszy.

Którą wersję możesz tak naprawdę wywołać?

Warto oddzielić kwestię wersji od kwestii dostępności, ponieważ odpowiedzi na nie są różne. Wszystkie trzy numerowane wersje Muse Spark są wyłącznie hostowane: Meta nie publikuje żadnych wag, licencji ani plików do pobrania dla żadnej z nich, a warianty Contributor to tańsze warstwy hostowane, a nie wydania. Otwarte wagi w tej rodzinie należą do Muse Spark Open, rzadkiego modelu typu mixture-of-experts o 816B parametrów opublikowanego przez Meta 15 października 2026 r., oraz do Muse Glimmer, modelu 30B na licencji Apache 2.0 z 10 sierpnia 2026 r. Żaden z nich nie jest wersją Muse Spark i żaden nie jest jej zamiennikiem.

Nasz własny katalog obejmuje starszy koniec tej linii i wolimy powiedzieć to wprost, niż pozwolić, by numer wersji sugerował zakres, którego nie mamy. OrcaRouter kieruje ruch do Muse Spark 1.1 oraz Muse Spark 1.2, oba w cenie katalogowej Meta z przekazywanym dalej 0% narzutu, oba w oknie tej rodziny wynoszącym 1 048 576 tokenów. Muse Spark 1.3 nie ma dziś w naszym katalogu, podobnie jak żadnego z wariantów Contributor. To sprawia, że praktyczna ścieżka aktualizacji jest dwuetapowa: 1.2 to wersja, do której możesz kierować ruch teraz, 1.3 to wersja, którą Meta zaleca do nowych prac, a w dniu, gdy trafi do providera, do którego kierujemy ruch, zmiana pojawi się pod tym samym kluczem, a nie w kodzie Twojej integracji.

Kwestia wersji to również obszar, w którym router uzasadnia swoje istnienie w sposób charakterystyczny dla tej rodziny. Trzy checkpointy, jeden dostawca, jeden endpoint, brak wag — cała linia przechodzi przez jedno API obsługiwane przez jedną firmę, co stanowi ryzyko koncentracji przy budowaniu na tym rozwiązaniu. Trasowanie 1.1 i 1.2 za jednym endpointem zgodnym z OpenAI oznacza, że nieudane wywołanie długiego kontekstu może zostać przełączone awaryjnie na inny checkpoint zamiast powodować niepowodzenie żądania, a DSL routingu pozwala rozdzielać między nimi ruch produkcyjny za pomocą konfiguracji, dzięki czemu możesz zmierzyć, czy szybkość 1.2 jest dla Ciebie warta więcej niż dokładność 1.3 na Twoich własnych promptach, a nie na cudzym indeksie. To jedyne porównanie wersji, które rozstrzyga tę kwestię dla Twojego obciążenia.

Odpowiedź zależy od tego, z jakim pytaniem przyszedłeś.

Jeśli chciałeś wiedzieć, czy Muse Spark i Muse Spark 1.3 to różne modele: nie są. Obecnie nazwa oznacza właśnie 1.3, a Meta określa go jako najnowszy i zaleca do nowych projektów. Jeśli chciałeś wiedzieć, co zyskujesz, przechodząc z poprzedniej wersji: około 32–42 punktów w zakresie wyszukiwania w długim kontekście, duży skok w zakresie agentowego korzystania z komputera i programowania długohoryzontowego oraz trzykrotny spadek szybkości generowania przy tej samej cenie za token. Jeśli chciałeś wiedzieć, ile to kosztuje: cennik nie zmienił się przez trzy wersje, co pokazuje, że Meta konkuruje możliwościami w przeliczeniu na dolara, a nie samym dolarem.

Czego żadna z tych liczb nie mówi, to po której stronie tego kompromisu znajduje się twoje własne obciążenie, a uczciwe stanowisko jest takie, że powiadomienie dostawcy o wycofaniu zakłada za ciebie odpowiedź. Wersja, która jest trzykrotnie szybsza w tej samej cenie, wciąż jest jedyną z tych dwóch, do której możesz dziś dotrzeć przez router, co czyni to wyjątkowo tanim eksperymentem do przeprowadzenia przed nadejściem wersji 1.3.

To, czego liczby nie mogą ci powiedzieć, to czy cokolwiek z tego poszło nie tak w terenie: udokumentowane incydenty AI i awarie agentów dotyczące modeli tej klasy są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, wagę, stopień pewności i flagę sporu.