Muse Spark vs Muse Spark 1.3: Ett av dessa namn är en version, och det är hela svaret

Att skriva Muse Spark mot Muse Spark 1.3 i en sökruta antyder två produkter, och det första användbara någon kan säga dig är att det bara finns en. Meta Superintelligence Labs introducerade Muse Spark den 8 april 2026, och Muse Spark 1.3 — släppt den 2 september 2026, med sin maximala resonemangsnivå öppnad för utvecklare den 4 september — är vad det namnet nu pekar på. Metas egen modellsida klargör det i tre meningar: Muse Spark 1.3 är "den senaste versionen" och rekommenderas för nytt arbete, Muse Spark 1.2 är "den föregående versionen", och Muse Spark 1.1 är "den ursprungliga versionen". Så detta är inte en jämförelse. Det är versionsfrågan som namnet Muse Spark har dolt sedan familjen började peka om, och svaret förändras beroende på vilken av de tidigare kontrollpunkterna du faktiskt jämförde med.

Vad varje namn betecknar

Det icke-versionsnumrerade namnet är en familj och ett rörligt mål. Meta släppte den ursprungliga Muse Spark i april 2026 som en nativt multimodal resonemangsmodell med en privat API-förhandsvisning, och började sedan ge ut numrerade checkpoints: Muse Spark 1.1, som vår egen katalog listar med utgivningsdatum 16 juli 2026; Muse Spark 1.2 den 5 augusti 2026; och Muse Spark 1.3 den 2 september 2026. Oberoende listningar stämmer med de två sistnämnda datumen. Det finns en hake värd att påpeka snarare än att släta över: Metas dokumentation kallar 1.1 "den ursprungliga versionen" medan familjens introduktion var i april, och glappet mellan dessa två påståenden förklaras inte på någon sida vi kunde läsa. Betrakta aprildatumet som familjens introduktion och juli som den första checkpointen som bär ett nummer, och betrakta inte något av dem som ett lanseringsevenemang som den här sidan rapporterar.

Alla tre numrerade versioner delar samma modalitetsrad och samma kontextfönster på 1 048 576 token, vilket Meta säger direkt: de "delar samma modaliteter och kontextfönster och skiljer sig endast åt i kapacitet." Den meningen är det mest praktiskt användbara på sidan. Det innebär att en versionshöjning i den här familjen inte ändrar utformningen av din förfrågan. Samma indata – text, bild, video, ljud och PDF – samma utdata med endast text, samma tak. Det som ändras är kvaliteten på svaret, och priset ändras inte alls: $1,25 per miljon indatatoken, $0,15 per miljon cachade indata och $4,25 per miljon utdatatoken, identiska för 1.1, 1.2 och 1.3 på Metas Standard-nivå.

Uppgraderingsaritmetiken, från Metas egen tabell

Meta publicerar en enda benchmarktabell där Muse Spark 1.3 som kör max reasoning ställs sida vid sida med Muse Spark 1.2 som kör xhigh över ett dussin agentiska utvärderingar och utvärderingar av lång kontext, och att läsa den rad för rad ger en mer intressant bild än versionsnumret antyder. Alla siffror nedan är leverantörsrapporterade, framställda i Metas egen testmiljö och inte reproducerade av oss.

• GDPval-AA v2 — Muse Spark 1.3 (max) 1 754 mot Muse Spark 1.2 (xhigh) 1 615

• Terminal-Bench 2.1 — 88,8 mot 82,9

• OSWorld 2.0 — 66,9 mot 47,6

• DeepSWE v1.1 — 75,4 mot 55,0

• SWEAtlas — 59,4 mot 46,2

• JobBench — 64,9 mot 61,6

• MRCR 256K–512K — 98,5 mot 66,3

• MRCR 512K–1M — 98,1 vs 55,5

De två sista raderna är själva historien, och det är inte de raderna som någon citerade vid lanseringen. Långkontextsretrieval i intervallet 256K–512K ökar med 32 punkter; i intervallet 512K–1M ökar den med mer än 42. Arbetet med allmänna förmågor ger långt mindre utslag: GDPval-AA upp 139 punkter på en skala som hade 1,2 vid 1 615, och JobBench upp 3. Mönstret stämmer överens med vad ett labb finjusterar när det jagar långhorisontellt agentiskt arbete – modellen blev inte enhetligt smartare, den blev dramatiskt bättre på att hålla kvar och hämta information i en kontext som den redan hade fönstret för. Om din arbetsbelastning ligger i de första 100K tokens är uppgraderingen verklig men blygsam. Om den ligger bortom det är det skillnaden mellan en modell som kan använda en stor kontext och en som kan hitta saker i den.

Två förbehåll måste fogas till de siffrorna. Jämförelsen är max mot xhigh, inte max mot max, eftersom Meta körde 1.2 med xhigh och 1.3 med max – inställningarna skiljer sig, så en del av vinsten är resonemangsbudget snarare än checkpointkvalitet. Och rad 1.2 i den tabellen är nu en utfasad konfiguration: utanför Metas egen tabell flaggar oberoende listningar Muse Spark 1.2 som utfasad och pekar på 1.3, vilket är den starkaste tillgängliga signalen på att den äldre checkpointen är på väg att fasas ut.

Den oberoende bilden, och affären ingen nämner

Artificial Analysis är den tredje part som har offentliga listningar för båda checkpoints, och dess siffror skiljer sig från Metas på ett lärorikt sätt – inte när det gäller riktning, utan kostnad.

• Muse Spark 1.3 (Max) — Intelligensindex 48, rang 24 av 217; utdatahastighet 121,9 token/sekund; 1,60 $ per slutförd Index-uppgift; 170 miljoner utdatatoken genererade under utvärderingen

• Muse Spark 1.2 (Xhigh) — Intelligensindex 40, rang 59 av 217; utdatahastighet 361,4 tokens/sekund, rankad som etta av 186 modeller; 0,97 USD per slutförd Index-uppgift; 130M utdatatokens; tid till första token 12,67 sekunder

Läser man de två listorna mot varandra ser uppgraderingen annorlunda ut än hur den framstår i Metas tabell. Muse Spark 1.3 är åtta indexpoäng starkare och ungefär tre gånger långsammare — 121,9 token per sekund mot 361,4, där den äldre checkpunkten var den snabbaste modellen oavsett typ på den resultattavlan. Kostnaden per slutförd uppgift steg från 0,97 $ till 1,60 $ trots att priset per token är identiskt, eftersom den nyare modellen genererar 40 miljoner fler token för att slutföra samma utvärdering. Ingenting i leverantörens prislista ändrades. Det som ändrades är hur mycket modellen säger.

Det är avvägningen som versionsnumret döljer, och den skär i en riktning som den mesta bevakningen missade. Om din applikation är latenskänslig eller begränsad av genomströmning kan den tidigare Muse Spark-versionen faktiskt vara den snabbare produkten för dig, och till samma listpris. Om den i stället är begränsad av noggrannhet vid svåra problem är 1.3 med max reasoning själva poängen med uppgraderingen. Det här är olika köp utklädda till en versionshöjning, och bara ett av dem är vad utfasningsmeddelandet förutsätter att du vill ha.

Vad lade 1.3 till som inte är en poäng?

Resonemangsnivån max är den mest betydelsefulla förändringen i 1.3-utgåvan och den kom två dagar sent. Vid lanseringen den 2 september släppte Meta alla ansträngningsnivåer upp till xhigh och höll tillbaka max i väntan på vad man kallade ytterligare säkerhetstester, och delade den med en begränsad krets partner. Den 4 september avslutades testerna och max blev valbart i Muse Code och på modell-id:t muse-spark-1.3 via Meta Model API. Konsekvensen är att det framträdande resultatkortet – 1 754 på GDPval-AA, 98,5 på MRCR – togs fram med en inställning som utvecklare inte kunde anropa under de första två dagarna, och varje integration som skrevs på lanseringsdagen kan fortfarande bara lista resonemangsansträngning upp till xhigh. Kontrollera vad din route accepterar innan du antar att max kommer att respekteras.

Meta säljer också 1.3-checkpointen två gånger, och skillnaden är inte modellen. muse-spark-1.3 är märkt "Används inte för att förbättra våra produkter" till $1.25 / $0.15 cachad / $4.25. muse-spark-1.3-contributor är märkt "Används för att förbättra våra produkter" till $0.10 / $0.002 / $0.20 — ungefär en storleksordning billigare på input och mer än tjugo gånger billigare på output, i utbyte mot tillstånd att träna på dina prompter och slutföranden. Båda har samma kontextfönster på 1M token. Contributor beskriver vad du bidrar med, inte vad du får; det är en prisnivå med ett datavillkor kopplat, inte ett släpp med öppna vikter.

Och det finns en regression, som Meta självt uppger snarare än att en användare har upptäckt den. Ljudförståelse i Muse Spark 1.3 stöds inte fullt ut, och Meta varnar för att svarskvaliteten på förfrågningar som innehåller ljudinnehåll kan försämras, och hänvisar ljudarbetsbelastningar till Muse Spark 1.2. Så den aktuella versionen är inte rätt svar för varje indata i familjens egen modalitetsrad — ett fall där den nyaste checkpointen är fel för en nyttolast som den äldre hanterar.

Vilken version du faktiskt kan anropa

Det är värt att skilja på versionsfrågan och tillgänglighetsfrågan, eftersom de har olika svar. Alla tre numrerade Muse Spark-versionerna är endast hostade: Meta publicerar inga vikter, ingen licens och ingen nedladdning för någon av dem, och Contributor-varianterna är rabatterade hostade nivåer snarare än släpp. De öppna vikterna i den här familjen tillhör Muse Spark Open, den 816B glesa mixture-of-experts-modellen som Meta publicerade den 15 oktober 2026, och Muse Glimmer, den 30B Apache 2.0-modellen från den 10 augusti 2026. Ingen av dem är en Muse Spark-version, och ingen av dem är en ersättning för en sådan.

Vår egen katalog speglar den äldre änden av serien, och vi säger hellre det rakt ut än låter ett versionsnummer antyda en täckning vi inte har. OrcaRouter dirigerar Muse Spark 1.1 och Muse Spark 1.2, båda till Metas listpris med 0 % påslag som förs vidare, båda inom familjens fönster på 1 048 576 tokens. Muse Spark 1.3 finns inte i vår katalog i dag, och ingen av Contributor-varianterna heller. Det gör den praktiska uppgraderingsvägen till två steg: 1.2 är vad du kan dirigera till nu, 1.3 är vad Meta rekommenderar för nytt arbete, och den dag det landar hos en leverantör som vi dirigerar via kommer ändringen på samma nyckel i stället för i din integrationskod.

Versionfrågan är också där en router förtjänar sin plats på ett sätt som är specifikt för den här familjen. Tre checkpoints, en leverantör, en endpoint, inga vikter — hela linjen körs genom ett enda API som drivs av ett enda företag, vilket är koncentrationsrisken med att bygga mot det.Att routa 1.1 och 1.2 bakom en enda OpenAI-kompatibel endpoint innebär att ett misslyckat anrop med lång kontext kan växlas över till den andra checkpointen i stället för att begäran misslyckas, och med routing-DSL kan du dela upp produktionstrafiken mellan dem genom konfiguration, så att du kan mäta huruvida 1.2:s hastighet är värd mer för dig än 1.3:s noggrannhet på dina egna prompter i stället för på någon annans index. Det är den enda versionsjämförelsen som avgör frågan för din arbetsbelastning.

Svaret, beroende på vilken fråga du kom med

Om du ville veta om Muse Spark och Muse Spark 1.3 är olika modeller: det är de inte. 1.3 är vad namnet betyder nu, och Meta benämner den som den senaste och rekommenderar den för nytt arbete. Om du ville veta vad du får genom att gå från den föregående versionen: ungefär 32 till 42 poäng för långkontextsretrieval, ett stort hopp inom agentisk datoranvändning och kodning över långa horisonter, och en tredubbel minskning av utdatahastigheten till samma pris per token. Om du ville veta vad det kostar: prislistan har inte ändrats över tre versioner, vilket säger dig att Meta konkurrerar med kapacitet per dollar snarare än på dollarn.

Vad ingen av de här siffrorna kan berätta för dig är vilken sida av den avvägningen din egen arbetsbelastning ligger på, och den ärliga hållningen är att leverantörens utfasningsmeddelande förutsätter ett svar åt dig. Den version som är tre gånger snabbare till samma pris är fortfarande den enda av de två som du kan nå via en router i dag, vilket gör detta till ett ovanligt billigt experiment att köra innan 1.3 kommer.

Vad siffrorna inte kan berätta för dig är huruvida något av det har gått fel i fält: de dokumenterade AI-incidenterna och agentfelen kring modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.