รีวิว Meta Muse Spark 1.1: ยังคงเป็นรุ่นที่เร็ว แต่ไม่ใช่รุ่นที่ถูกอีกต่อไป

เป็นเวลาสี่สัปดาห์ที่เหตุผลสำหรับ Meta Muse Spark 1.1 เป็นเรื่องของเลขคณิต 1.25 ดอลลาร์ต่อล้านโทเคนสำหรับอินพุต 4.25 ดอลลาร์สำหรับเอาต์พุต สำหรับโมเดลมัลติโมดัลโดยธรรมชาติที่ใช้งานเครื่องมือได้ดีกว่าเกือบทุกอย่างในราคาใกล้เคียงกัน จากนั้นในวันที่ 5 สิงหาคม 2026 Meta ได้เปิดตัว Muse Spark 1.2 พร้อมกับ Muse Code ซึ่งเป็นเอเจนต์เขียนโค้ดบนเทอร์มินัลตัวแรก และแนบสิ่งที่ 1.1 ไม่เคยได้รับเข้ากับโมเดลใหม่: ระดับผู้มีส่วนร่วมที่ 0.10 ดอลลาร์สำหรับอินพุตและ 0.20 ดอลลาร์สำหรับเอาต์พุต ราคาถูกลงสิบสองเท่าสำหรับอินพุต และถูกลงยี่สิบเอ็ดเท่าสำหรับเอาต์พุต เพื่อแลกกับการให้ Meta ฝึกโมเดลกับพรอมต์ของคุณ ราคาของ Muse Spark 1.1 ไม่ขยับแม้แต่เซนต์ แต่ตำแหน่งของมันเปลี่ยนไป

นั่นคือกรอบการทบทวนอย่างตรงไปตรงมาสำหรับโมเดลนี้ในตอนนี้ Muse Spark 1.1 ยังไม่ถูกยกเลิก ยังไม่ได้ปรับราคา และยังคงเป็น checkpoint ด้านการให้เหตุผลที่เร็วและมีเอกสารประกอบดีกว่าของ Meta ในสองตัวเลือก — แต่มันไม่ใช่วิธีที่ถูกที่สุดในการเช่าโมเดล Meta อีกต่อไป และ agent ที่ Meta ผลักดันหนักที่สุดก็ไม่ได้ทำงานบนโมเดลนี้ การทบทวนนี้ครอบคลุมว่า 1.1 คืออะไร เก่งในด้านใดที่วัดผลได้จริง สิ่งที่เปลี่ยนไปในการเปิดตัวเดือนสิงหาคม และกลุ่มงานที่แคบลงซึ่งยังคงเป็นทางเลือกที่ถูกต้อง หากตัวเลขใดมาจากการประเมินของ Meta เอง ประโยคนั้นจะระบุไว้เช่นนั้น หากมาจาก Artificial Analysis หรือจากปริมาณการใช้งานจริง ก็ระบุไว้เช่นกัน

คำตัดสินด่วน

• มันคืออะไร — โมเดลการให้เหตุผลแบบมัลติโมดัลโดยธรรมชาติ (รับข้อมูลข้อความ รูปภาพ วิดีโอ PDF และเสียง ส่งออกเป็นข้อความ) พร้อมระดับการใช้เหตุผลที่ปรับแต่งได้ สร้างขึ้นเพื่อเรียกใช้เครื่องมือและควบคุมคอมพิวเตอร์ น้ำหนักแบบปิด ให้บริการโดย Meta

• ราคา — อินพุต $1.25 / เอาต์พุต $4.25 ต่อล้านโทเคน, $0.15 เมื่อแคชฮิต ไม่มีการเปลี่ยนแปลงตั้งแต่เปิดตัว และยังคงอยู่ที่ประมาณหนึ่งในสี่ของราคาเอาต์พุตของ GPT-5.6 Sol ($5/$30) และหนึ่งในหกของ Claude Opus 4.8 ($5/$25)

• ความฉลาด — 51 ในดัชนี Artificial Analysis Intelligence Index อันดับ #22 จาก 185 ในกลุ่มของมัน เทียบกับค่ามัธยฐานของกลุ่มที่ 32 เป็นการวัดโดยอิสระ ไม่ใช่คำกล่าวอ้างของ Meta

• จุดแข็ง — การใช้เครื่องมือและการให้เหตุผลแบบเอเจนต์ พร้อมความเร็วที่แท้จริง: 213.5 โทเคนเอาต์พุตต่อวินาที ซึ่ง Artificial Analysis จัดอันดับให้อยู่ที่ #2 จาก 185

• จุดอ่อน — การให้เหตุผลล้วนและการเขียนโค้ดดิบอยู่ในระดับกลาง การเรียกคืนบริบทยาวไม่ถึงระดับแนวหน้า และยังเยิ่นเย้อ: ใช้โทเค็นเอาต์พุต 94M เพื่อทำ Intelligence Index ให้เสร็จ เทียบกับค่ามัธยฐานที่ 65M.

• ข้อควรระวังใหม่ — Muse Spark 1.2 ตอนนี้ได้คะแนนสูงขึ้นสามคะแนน และในระดับ Contributor มีค่าใช้จ่ายเพียงหนึ่งในยี่สิบเท่า ข้อได้เปรียบที่เหลืออยู่ของ 1.1 คือความหน่วง และมันก็เป็นข้อได้เปรียบที่ใหญ่

สิ่งที่ Meta เปิดตัวเมื่อวันที่ 5 สิงหาคม — และสิ่งที่มันทำกับ 1.1

Muse Code คือเอเจนต์เขียนโค้ดบนเทอร์มินัล ซึ่งอยู่ในช่วงเบต้า ติดตั้งได้จากสคริปต์เชลล์บรรทัดเดียวบน macOS และ Linux (ไม่มีเวอร์ชันสำหรับ Windows) และทำงานเป็น muse ไบนารี ซึ่งรับงานวิศวกรรมซอฟต์แวร์แบบครบวงจรในคลังโค้ดขนาดใหญ่: วางแผนการเปลี่ยนแปลง เขียนโค้ด และตรวจสอบผลลัพธ์ จุดขายของ Meta คือความสอดคล้องทางสถาปัตยกรรม — เอเจนต์และโมเดลถูกฝึกมาด้วยกัน ไม่ใช่ประกอบเข้าทีหลัง — และรายการฟีเจอร์มุ่งตรงไปที่ Claude Code และ Codex: เอเจนต์เบื้องหลังที่ยังทำงานต่อไปแม้ปิดเทอร์มินัลแล้ว การกลับมาทำงานต่อจากบันทึกเหตุการณ์ วอร์กทรีคู่ขนานของเอเจนต์ย่อย และแซนด์บ็อกซ์ระบบปฏิบัติการที่เปิดการอนุมัติเป็นค่าเริ่มต้น เดโม่ที่ Meta เผยแพร่คือลูปปรับแต่งเคอร์เนล GPU ซึ่งเรียกใช้เครื่องมือมากกว่า 1,000 ครั้งในระยะเวลานานถึง 24 ชั่วโมงบนฮาร์ดแวร์ NVIDIA Hopper.

Muse Code รัน Muse Spark 1.2 ไม่ใช่ 1.1 นั่นคือผลกระทบเชิงปฏิบัติประการแรกสำหรับใครก็ตามที่อ่านรีวิวนี้: หากคุณต้องการเอเจนต์ของ Meta คุณก็อยู่บนเช็คพอยต์ใหม่แล้ว

ผลที่ตามมาประการที่สองคือเรื่องการกำหนดราคา ซึ่งเป็นประเด็นที่น่าสนใจกว่า Meta เปิดตัวรุ่น 1.2 โดยมีรหัสโมเดลที่แตกต่างกันสองรหัส แทนที่จะเป็นรหัสเดียว:

• Standard (muse-spark-1.2) — $1.25 สำหรับอินพุต, $0.15 สำหรับอินพุตแบบแคช และ $4.25 สำหรับเอาต์พุต ต่อล้านโทเคน เหมือนกับ Muse Spark 1.1 ทุกประการ Meta ให้คำมั่นว่าพรอมป์และคอมพลีชันบนระดับนี้จะไม่ถูกนำไปใช้เพื่อปรับปรุงผลิตภัณฑ์ของบริษัท

• ผู้มีส่วนร่วม (muse-spark-1.2-contributor) — อินพุต $0.10, อินพุตแคช $0.002, เอาต์พุต $0.20 เพื่อแลกเปลี่ยน คุณอนุญาตให้ Meta ฝึกโมเดลในอนาคตด้วยพรอมต์และคอมพลีชันของคุณ

• Muse Spark 1.1 — ไม่มีระดับคอนทริบิวเตอร์ (contributor tier) อยู่ ราคายังคงเป็นมาตรฐาน และ Meta ไม่ได้ประกาศเลิกใช้งาน

กรอบแนวคิดของ Meta เองสำหรับระดับคอนทริบิวเตอร์คือมัน "ถูกกว่าระดับจ่ายตามการใช้งานถึง 10 เท่า" ซึ่งยังเป็นการกล่าวที่ต่ำกว่าความเป็นจริง เพราะตัวคูณที่แท้จริงคือ 12.5 เท่าสำหรับอินพุต และ 21.25 เท่าสำหรับเอาต์พุต โดยอินพุตแบบแคชมีราคาเกือบฟรีที่ $0.002 นั่นคือพาดหัว "ราคาต่ำ" ที่การเปิดตัวครั้งนี้สร้างขึ้น และมันเป็นของ 1.2 เพียงอย่างเดียว

เรื่องราวของราคาที่ถูกเขียนใหม่

ก่อนที่คุณจะปรับงบประมาณใหม่โดยอ้างอิงจากโทเค็นเอาต์พุต $0.20 โปรดอ่านเงื่อนไขที่เหลือของระดับ contributor tier เพราะเงื่อนไขเหล่านี้คือสิ่งที่ทำให้มันมีราคาถูก อัตราจำกัดการร้องขอจะลดลงจาก 3,000 ครั้งต่อนาทีตามที่ระบุไว้ในระดับมาตรฐาน เป็น 60 ครั้งในระดับ contributor tier ซึ่งเป็นขีดจำกัดที่อนุญาตให้นักพัฒนาที่ทดลองบนแล็ปท็อปทำงานได้ แต่ห้ามกลุ่มเอเจนต์สำหรับการผลิต และการแลกเปลี่ยนข้อมูลไม่ใช่เรื่องพิธีการ: โพรอมต์ของคุณและผลลัพธ์จากโมเดลของคุณจะกลายเป็นสื่อฝึกอบรม สำหรับใครก็ตามที่จัดการข้อมูลลูกค้า ซอร์สโค้ดที่เป็นกรรมสิทธิ์ หรือสิ่งใดก็ตามที่อยู่ภายใต้ข้อผูกพันด้านการรักษาความลับ ระดับ contributor tier ไม่ใช่เวอร์ชันที่ถูกกว่าของผลิตภัณฑ์เดียวกัน แต่เป็นผลิตภัณฑ์ที่แตกต่าง Meta ยอมรับเช่นนั้นในการเปิดตัวครั้งเดียวกันโดยเพิ่มตัวเลือกไม่เก็บข้อมูล (zero-data-retention) สำหรับลูกค้าองค์กรในเส้นทางที่ชำระเงิน

ดังนั้น การเปรียบเทียบอย่างตรงไปตรงมาจึงไม่ใช่ “1.1 ที่ $4.25 เทียบกับ 1.2 ที่ $0.20” แต่เป็น: ในราคามาตรฐาน ทั้งสองรุ่นมีราคาเท่ากันพอดี และ 1.2 เป็นรุ่นที่ได้คะแนนดีกว่า ระดับราคา $0.20 เป็นข้อเสนอที่เกิดขึ้นจริงและดุเดือด แต่มีจุดมุ่งหมายสำหรับบุคคลและการทดลอง และมีเฉพาะในรุ่นใหม่กว่าเท่านั้น

สิ่งที่ทำให้ค่าใช้จ่ายเพิ่มขึ้นจริง ๆ ในทั้งสองโมเดลคือการแคช (caching) ไม่ใช่อัตราที่โฆษณาไว้ ลองพิจารณาขั้นตอนการทำงานของเอเจนต์โดยเฉลี่ย: ป้อนบริบทจาก repository หรือเอกสาร 60,000 โทเค็น และได้ผลลัพธ์เป็นแผนและคำตอบ 3,000 โทเค็น ในกรณีที่ไม่มีการแคช (cold) ค่าใช้จ่ายคือ $0.075 สำหรับ input บวก $0.013 สำหรับ output — รวมประมาณ 8.8 เซนต์ หรือ $88 ต่อหนึ่งพันขั้นตอน หากทำให้ prefix ของบริบทคงที่ เพื่อให้เข้า cache ในอัตรา $0.15 ต่อล้านโทเค็น ต้นทุน input จะลดลงเหลือ $0.009 ทำให้แต่ละขั้นตอนมีค่าใช้จ่ายประมาณ 2.2 เซนต์ และหนึ่งพันขั้นตอนอยู่ที่ $22 ความแตกต่างถึง 75% ขึ้นอยู่กับว่าเฟรมเวิร์กเอเจนต์ของคุณใช้ prefix ที่คงที่ซ้ำหรือสร้าง prompt ใหม่ในทุกเทิร์น หากคุณจะดำเนินการทางวิศวกรรมเพียงอย่างเดียวหลังจากอ่านบทวิจารณ์นี้ ขอให้เลือกปรับปรุงความเสถียรของ cache-key มากกว่าการเลือกโมเดล

หมายเหตุเชิงโครงสร้างหนึ่งข้อเกี่ยวกับสถานที่ที่คุณเช่าใช้ Muse Spark 1.1 อยู่ในแคตตาล็อกของ OrcaRouter ที่ราคา $1.25 และ $4.25 โดยมีค่าอ่านแคช $0.15 — ซึ่งเป็นตัวเลขเดียวกับที่ Meta คิด เพราะ OrcaRouter คิดมาร์กอัป 0% และส่งผ่านราคารายการของผู้ให้บริการโดยตรง ดังนั้นการเปลี่ยนแปลงราคาของผู้ให้บริการจึงมาถึงที่นี่ในวันที่ไปถึงที่นั่น Muse Spark 1.2 ยังไม่อยู่ในแคตตาล็อก และให้บริการโดย Meta โดยตรง เรื่องนี้สำคัญต่อการเปรียบเทียบที่คุณอาจกำลังจะทำ: GPT-5.6 Sol, Claude Opus 4.8, Grok 4.5 และ Gemini 3.1 Pro ทั้งหมดอยู่ภายใต้คีย์เดียวที่ราคารายการ ดังนั้นคุณจึงสามารถวัดประสิทธิภาพเทียบกับ Muse Spark 1.1 บนชุดการประเมินชุดเดียวได้โดยไม่ต้องมีสัญญาที่สอง และตัวเลขในสเปรดชีตของคุณก็คือตัวเลขในใบแจ้งหนี้

แท้จริงแล้ว Muse Spark 1.1 คืออะไร

Muse Spark คือกลุ่มโมเดล reasoning ระดับเรือธงจาก Meta Superintelligence Labs หน่วยงานที่ Mark Zuckerberg จัดตั้งขึ้นภายใต้การนำของ Alexandr Wang นี่คือการพลิกกลยุทธ์ครั้งสำคัญ: ในขณะที่โมเดล Llama ของ Meta เป็นแบบ open-weight ครอบครัว Muse อย่าง Spark รวมถึงตัวสร้างภาพและวิดีโอกลับเป็นแบบปิด และให้บริการในรูปแบบผลิตภัณฑ์และ API Spark 1.0 เปิดตัวเมื่อวันที่ 8 เมษายน 2026 ส่วนเวอร์ชัน 1.1 ตามมาในวันที่ 9 กรกฎาคม พร้อมกับการเปิดตัวอย่างเป็นทางการของ Meta Model API ในรูปแบบพับลิกพรีวิว การเปลี่ยนแปลงที่นักพัฒนาเห็นได้จริงคือ Meta กลายเป็นผู้ให้บริการ API โดยตรงที่แข่งขันกับ OpenAI และ Anthropic แทนที่จะเป็นเพียงผู้เผยแพร่น้ำหนักโมเดล และการเปิดตัว coding agent เมื่อวันที่ 5 สิงหาคมก็คือหลักฐานที่ชัดเจนที่สุดของเรื่องนี้

เวอร์ชัน 1.1 เป็นการก้าวกระโดดครั้งสำคัญมากกว่าการอัปเดตย่อย จากการวัดบน Artificial Analysis คะแนน Intelligence Index เพิ่มขึ้น 8 จุดภายในสามเดือน จาก 43 เป็น 51 คะแนน Coding Index เพิ่มขึ้น 12 จุดเป็น 71 คะแนน SciCode ปรับดีขึ้นเป็น 58% และ Humanity's Last Exam เพิ่มขึ้นเป็น 45% Meta ระบุว่าการปรับปรุงที่สำคัญที่สุดอยู่ในด้านการใช้เครื่องมือ การใช้งานคอมพิวเตอร์ การเขียนโค้ด และความเข้าใจแบบมัลติโมดัล ซึ่งสอดคล้องกับโมเดลที่ถูกปรับแต่งให้ลงมือทำ มากกว่าเพียงแค่ตอบคำถาม

ในบริบท ความสับสนก่อนหน้านี้ได้คลี่คลายแล้ว: Artificial Analysis และ OrcaRouter ต่างระบุหน้าต่างบริบทไว้ที่ 1,048,576 โทเคน และ Meta อธิบายหน้าต่างบริบทที่โมเดลบีบอัดอย่างแข็งขัน อย่างไรก็ตาม การถือครองหนึ่งล้านโทเคนไม่เหมือนกับการเรียกคืนจากโทเคนเหล่านั้น และคะแนนการดึงข้อมูลบริบทยาวของ 1.1 ที่ประมาณ 54.1 บ่งชี้ว่าการเรียกคืนอยู่ในระดับธรรมดา ให้มองหน้าต่างบริบทเป็นความจุ ไม่ใช่การรับประกัน

ระดับการใช้ความคิด: ทันที, ไตร่ตรอง และแถบหมุนด้านล่าง

บนพื้นผิวผู้บริโภคของ Meta, Muse Spark เปิดเผยโหมดที่มีชื่อสองโหมด: Instant answers ให้คำตอบทันทีโดยไม่ต้องใช้การคิดแบบขยายเพิ่ม เช่นเดียวกับการสนทนาแบบมาตรฐาน; Contemplating ทำงานหลายเอเจนต์แบบขนานโดยใช้เทคนิค "การบีบอัดความคิด" ที่ยืมมาจาก reinforcement learning และ Meta วางตำแหน่งให้แข่งขันกับ DeepMind Deep Think และ GPT-5.4 Pro ในงานด้านวิทยาศาสตร์และการวิเคราะห์ที่ต้องการความแม่นยำสูง ผ่าน API ความสามารถเดียวกันนี้ปรากฏเป็นพารามิเตอร์ reasoning-effort ที่ปรับค่าได้ — Artificial Analysis เผยแพร่คะแนนที่การตั้งค่า xhigh ของโมเดล ซึ่งเป็นค่าที่แพงที่สุดที่มันเปิดเผย

จงปฏิบัติกับแป้นหมุนนั้นเสมือนเป็นคันโยกต้นทุน ไม่ใช่ตัวเลื่อนคุณภาพ การอนุมานแบบตัวแทนขนานเผาผลาญโทเคนมากกว่าการประมวลผลแบบรอบเดียวมาก และตัวเลขเกณฑ์มาตรฐานที่คุณอ่านนั้นถูกสร้างขึ้นที่ระดับความพยายามสูงสุด ให้ตั้งค่าเริ่มต้นที่ระดับต่ำสำหรับการเรียกใช้งานทั่วไป และเก็บความพยายามสูงไว้สำหรับกรณีที่คำตอบแรกที่ผิดมีค่าใช้จ่ายสูง

การให้คะแนน: แข็งแกร่งเมื่อมีเครื่องมือ, ปานกลางเมื่อไม่มี

วิธีที่ชัดเจนที่สุดในการอ่าน Muse Spark 1.1 คือการเทียบระหว่างการมีเครื่องมือกับการไม่มีเครื่องมือ เมื่อมีเครื่องมือ มันนำในการทดสอบแบบ agentic: MCP Atlas ได้ 88.1 เทียบกับ Claude Opus 4.8 ที่ได้ 82.2, JobBench ได้ 54.7 เทียบกับ 48.4, Legal Agent Bench ได้ 20.0 เทียบกับ Grok 4.5 ที่ได้ 12.9 และ Humanity's Last Exam แบบใช้เครื่องมือได้ 62.1 เทียบกับ 57.9 เมื่อไม่มีเครื่องมือมันก็ธรรมดา — Humanity's Last Exam แบบธรรมดาได้ประมาณ 45 ตามหลัง Gemini 3.1 Pro ที่ได้ประมาณ 77 ในการทดสอบเดียวกัน

ในด้านความแม่นยำในการดำเนินการก็ยังตามหลังผู้นำ: การใช้คอมพิวเตอร์ OSWorld-Verified ได้ 80.8 เทียบกับ 83.4 ของ Opus 4.8, การเขียนโค้ด SWE-Bench Pro ได้ 61.5 เทียบกับ 69.2, การเขียนโค้ดระยะยาว DeepSWE 1.1 ได้ 53.3 เทียบกับ 67.0 ของ GPT-5.5, และการใช้เหตุผลเชิงภาพ BabyVision ได้ 76.3 เทียบกับ 83.6 ตัวเลขเหล่านี้หลายตัวเป็นตัวเลขที่ผู้จำหน่ายรายงาน หลายตัวมาจากการประเมินของ Meta เอง และรันบนระบบทดสอบที่แตกต่างกัน — ควรอ่านเป็นแนวโน้มและทดสอบกับงานของคุณเอง

ภาพรวมอิสระจาก Artificial Analysis มีความกระชับและมีประโยชน์มากกว่า Intelligence Index 51 อันดับที่ #22 จาก 185 เทียบกับค่ามัธยฐานของคลาสที่ 32 ความเร็ว 213.5 โทเคนเอาต์พุตต่อวินาที อันดับที่ #2 จาก 185 — นี่คือโมเดลที่เร็วอย่างแท้จริง อันดับราคา #31 ราคาแบบ cache-hit $0.15 คิดเป็นส่วนลด 88% ระดับ Verbosity 94M โทเคนเอาต์พุตเพื่อผ่านดัชนี เทียบกับค่ามัธยฐานที่ 65M ซึ่งเป็นที่มาของค่าใช้จ่ายจริงส่วนใหญ่ ค่าใช้จ่ายรวมในการประเมินบนชุดทดสอบทั้งหมด: $548.07

ข้อควรระวังหนึ่งที่ควรจดจำ: Meta โฆษณารองรับอินพุตทั้งข้อความ รูปภาพ วิดีโอ เสียง และ PDF แต่การ์ดข้อมูลจำเพาะทางเทคนิคของ Artificial Analysis สำหรับรุ่น 1.1 บันทึกไว้ว่ามีเพียงข้อความและรูปภาพเท่านั้นที่ถูกประเมิน ทั้งสองอย่างอาจเป็นจริงได้ — API รองรับมากกว่าที่ชุดทดสอบ benchmark ใช้ — แต่ไม่มีใครนอกเหนือจาก Meta ที่เผยแพร่ผลลัพธ์เกี่ยวกับงานวิดีโอหรือเสียง หากการวิเคราะห์สื่อผสมคือเหตุผลที่คุณมาที่นี่ จงเผื่อเวลาเพื่อตรวจสอบด้วยตัวเอง

คุณควรย้ายไปใช้ {{1}}1.2{{/1}} หรือไม่? คำตอบเรื่องเวลาแฝง

ในด้านการเขียนโค้ด Meta ตอบว่าใช่ และตัวเลขของมันมีความสอดคล้องภายใน: Terminal-Bench 2.1 เพิ่มขึ้นจาก 76.2% เป็น 82.9%, DeepSWE v1.1 จาก 53.0% เป็น 59.3% และเกณฑ์ชี้วัดการเขียนโค้ดภายในจาก 68.3% เป็น 70.6% สิ่งเหล่านี้เป็นการประเมินโดย Meta ซึ่งให้คะแนนแบบ pass@1 จากการลองห้าครั้งในแฮร์เนสของ Meta เอง — ข้อแม้มาตรฐานยังคงมีผล นั่นคือโมเดลคู่แข่งในแฮร์เนสของผู้ขายมักถูกปรับแต่งไม่เต็มที่ โดยอิสระ Artificial Analysis ได้จัดอันดับให้ Muse Spark 1.2 อยู่ที่ 54 บน Intelligence Index อันดับ #13 จาก 185 สูงกว่าเวอร์ชัน 1.1 อยู่ 3 คะแนน

สิ่งที่ Meta ใช้ซื้อคะแนนเหล่านั้นคือการไตร่ตรอง และมันปรากฏให้เห็นในการวัดเวลาทุกครั้ง Artificial Analysis วัดเวลาจนถึงโทเคนแรกได้ 26.12 วินาทีสำหรับรุ่น 1.2 เทียบกับ 2.90 วินาทีสำหรับรุ่น 1.1 — ทั้งคู่ที่ระดับความพยายามในการใช้เหตุผลสูงสุดของแต่ละโมเดล ความเร็วเอาต์พุตลดลงจาก 213.5 เป็น 165 โทเคนต่อวินาที ความฟุ่มเฟือยของข้อความเพิ่มขึ้นเล็กน้อย จาก 95M เทียบกับ 94M โทเคน และค่าใช้จ่ายในการรันชุดเกณฑ์มาตรฐานเดียวกันเพิ่มขึ้นจาก $548.07 เป็น $637.85 ในการคิดราคาต่อโทเคนเท่าเดิม ตัวเลขสุดท้ายนั้นคือข้อความที่ชัดเจนที่สุดของการแลกเปลี่ยน: รายการราคาเดียวกัน ใช้โทเคนเพิ่มขึ้น 16% ได้คะแนนดัชนีเพิ่มขึ้นสามจุด

อ่านตัวเลข 26 วินาทีนี้อย่างระมัดระวัง เพราะอ่านผิดได้ง่าย เป็นการวัดเกณฑ์มาตรฐานที่ใช้ความพยายามสูงสุด (maximum effort) ในขณะที่ค่าเริ่มต้นของ API ตั้งไว้ที่ระดับกลาง สำหรับจุดอ้างอิงจากการรับส่งจริง Muse Spark 1.1 บน OrcaRouter — ซึ่งให้บริการตามระดับความพยายามที่ผู้เรียกใช้งานร้องขอจริง — แสดงค่า p50 ของเวลาถึงโทเค็นแรก (time to first token) ที่ 1.84 วินาที และค่า p95 ที่ 6.00 วินาที ตลอดหนึ่งสัปดาห์ของการรับส่งในระบบผลิตจริง โดยมีอัตราความผิดพลาดเป็นศูนย์ ความหน่วงของเกณฑ์มาตรฐานที่ความพยายามสูงสุดกับความหน่วงในการผลิตจริงที่ความพยายามเริ่มต้นนั้นเป็นปริมาณที่ต่างกัน และช่องว่างระหว่างสองค่านี้มักจะมากกว่าหนึ่งลำดับขนาด

ดังนั้น การตัดสินใจจึงสรุปได้อย่างชัดเจนตามรูปร่างของปริมาณงาน หากคุณใช้งานเอเจนต์เขียนโค้ดแบบ long-horizon ที่เก็บ repository ไว้ใน context และทำงานต่อเนื่องเป็นเวลานานหลายนาที โมเดล 1.2 คือตัวเลือกที่ดีกว่า และค่าเสียหายด้าน latency จะถูกหักกลบไปกับงานที่ไม่เคยให้ความรู้สึกแบบทันใจอยู่แล้ว หากคุณให้บริการสิ่งที่เป็น interactive ไม่ว่าจะเป็นพื้นผิวแชท, ลูปการเรียกใช้เครื่องมือที่มีมนุษย์คอยรอ, หรือ SLO ด้าน latency ที่วัดกันเป็นวินาที Muse Spark 1.1 ยังคงเป็นโมเดลที่มีรูปทรงเหมาะสมกว่าในตระกูลนี้ และอันดับความเร็วของมันไม่ใช่ข้อผิดพลาดจากการปัดเศษ ไม่มีอะไรเกี่ยวกับการเปิดตัวเดือนสิงหาคมที่เปลี่ยนแปลงสิ่งนั้น

ประสบการณ์ของนักพัฒนาและข้อจำกัด

Meta Model API ยังคงเป็นพรีวิวสาธารณะ แม้ว่าการเปิดตัวในเดือนสิงหาคมจะขยายการเข้าถึงทั่วโลกและเพิ่มตัวเลือกการไม่เก็บข้อมูลระดับองค์กร Meta มีอินเทอร์เฟซสไตล์ OpenAI และการเข้าถึง SDK ให้ใช้งาน และ Spark เปิดให้ผู้บริโภคใช้ในโหมด "Thinking" ของ Meta AI แล้ว อัตราจำกัดการเรียกใช้ถูกประกาศอย่างเป็นทางการแทนการคาดเดา — เอกสารระบุ 3,000 คำขอต่อนาทีสำหรับระดับมาตรฐาน — แต่สถานะพรีวิวก็ยังเป็นสถานะพรีวิว ดังนั้นควรเตรียมเส้นทางสำรองไว้สำหรับวันที่ความจุถูกจำกัด การเฟลโอเวอร์อัตโนมัติระหว่างผู้ให้บริการคือโครงสร้างพื้นฐานที่เอนด์พอยต์ระดับพรีวิวต้องการพอดี และเป็นเหตุผลที่การส่งโมเดลพรีวิวผ่านเกตเวย์ไม่เสียค่าใช้จ่ายใดๆ แต่ให้เส้นทางที่สองกับคุณ

ผ่าน OrcaRouter รหัสโมเดลคือ meta/muse-spark-1.1 และทั้ง /v1/chat/completions และ /v1/responses พร้อมใช้งาน ดังนั้นไคลเอนต์ OpenAI ที่มีอยู่เพียงแค่ต้องมี base URL และสตริงโมเดลเท่านั้น ไม่ต้องใช้อย่างอื่น:

from openai import OpenAI

client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_API_KEY")

response = client.chat.completions.create(model="meta/muse-spark-1.1", messages=[{"role": "user", "content": "วางแผนและเรียกใช้เครื่องมือเพื่อแก้ไขปัญหานี้"}])

print(response.choices[0].message.content)

ที่ที่มันพอดี — และที่ที่มันไม่พอดี

เหมาะสำหรับ: ระบบอัตโนมัติในการเรียกใช้เครื่องมือและการใช้งานคอมพิวเตอร์ที่ผู้ใช้เห็นเวลาตอบสนอง; การให้เหตุผลที่คำนึงถึงต้นทุนในระดับใหญ่กับข้อมูลที่ไม่สามารถมอบให้กับชุดฝึกได้; เวิร์กโฟลว์ที่ผสมข้อความกับรูปภาพ วิดีโอ PDF หรือเสียง พร้อมการตรวจสอบของคุณเองในเส้นทางสื่อ; และทีมที่ต้องการค่าเริ่มต้นที่รวดเร็วและประหยัด โดยมีโมเดลพรีเมียมสำรองไว้สำหรับขั้นตอนที่ยากที่สุด

จุดอ่อน: ความแม่นยำในการเขียนโค้ดระดับท็อปของลีดเดอร์บอร์ดและงานวิศวกรรมกรีนฟิลด์ที่ยากที่สุด ซึ่งยังคงเป็นของ Claude Opus 4.8 และ GPT-5.6 Sol; ปัญหาที่ต้องใช้เหตุผลล้วนๆ โดยไม่มีเครื่องมือ; งานที่ต้องใช้ความแม่นยำทางสายตา ซึ่ง Gemini 3.1 Pro เป็นผู้นำ; งาน repository ระยะยาว ซึ่งปัจจุบันเป็นหน้าที่ของ 1.2 และ Muse Code อย่างชัดเจน; และทุกอย่างที่คุณต้องการ token ที่ถูกที่สุดของ Meta เพราะไม่มีระดับราคานั้นในโมเดลนี้

คำถามที่พบบ่อย

Muse Spark 1.1 ยังมีให้ใช้งานอยู่หรือไม่ ในเมื่อ 1.2 ได้เปิดตัวไปแล้ว

ใช่ เมตาไม่ได้ประกาศเลิกใช้งานหรือปรับราคาใดๆ ในการเปิดตัวเมื่อวันที่ 5 สิงหาคม — 1.1 ยังคงอยู่ใน Meta Model API ที่ราคา $1.25 และ $4.25 ต่อล้านโทเคน และอยู่ในแคตตาล็อก OrcaRouter ในราคาเดียวกัน รายงานการเปิดตัวครั้งนี้ระบุอย่างสม่ำเสมอว่ายังคงใช้ราคา API เดิม อย่างไรก็ตาม ความสนใจด้านวิศวกรรมของเมตาได้ขยับไปอย่างเห็นได้ชัด: coding agent, เกณฑ์มาตรฐานใหม่ และระดับราคาถูก ต่างผูกอยู่กับ 1.2

ฉันสามารถรับ Muse Spark 1.1 ในระดับผู้สนับสนุนราคา $0.10 ได้ไหม

ไม่ ระดับ contributor คือรหัสโมเดลแยกต่างหากบน checkpoint ใหม่กว่า muse-spark-1.2-contributor ไม่มีเวอร์ชันที่เทียบเท่ากับ 1.1 ดังนั้นโทเค็นการให้เหตุผลของ Meta ที่ถูกที่สุดจึงต้องเปลี่ยนเวอร์ชัน — และยอมรับขีดจำกัด 60 คำขอต่อนาที พร้อมทั้งอนุญาตให้ Meta นำพรอมป์และคำตอบของคุณไปฝึก

ฉันควรอัปเกรดเป็น Muse Spark 1.2 ไหม?

หากปริมาณงานของคุณเป็นงานเขียนโค้ดที่ใช้เวลานานหรืองานเอเจนต์ระดับรีโพสิทอรี คำตอบคือใช่: มันได้คะแนนสูงกว่าทั้งในการประเมินการเขียนโค้ดของ Meta เองและดัชนีอิสระของ Artificial Analysis ในราคามาตรฐานเดียวกัน หากปริมาณงานของคุณเป็นแบบโต้ตอบหรือไวต่อความหน่วง คำตอบคือไม่: รุ่น 1.2 แลกกับเวลาจนถึงโทเคนแรกที่มากกว่าประมาณเก้าเท่าและความเร็วเอาต์พุต 23% เพื่อดัชนีสามจุด และไม่สามารถปิดการใช้เหตุผลได้ ทั้งคู่อยู่บน API เดียวกัน ดังนั้นการสลับจึงเป็นเพียงสตริงโมเดลไม่ว่าจะทางใด ซึ่งเป็นการทดสอบ A/B ที่ถูกที่สุดเท่าที่จะทำได้ และคุ้มค่าที่จะทดสอบกับทราฟฟิกของคุณเองก่อนตัดสินใจ

Muse Spark 1.1 เป็นโอเพนซอร์สหรือไม่?

ไม่ใช่ และนั่นคือประเด็นของสายผลิตภัณฑ์นี้ ต่างจากโมเดล Llama ของ Meta ครอบครัว Muse เป็นโมเดลแบบ closed-weight และถูกส่งมอบเป็นผลิตภัณฑ์และ API ไม่มีน้ำหนักบน Hugging Face ไม่มีเส้นทางสำหรับ self-hosting และไม่มีผู้ให้บริการบุคคลที่สาม — Meta เป็นเพียงฝ่ายเดียวที่ให้บริการโมเดลนี้ ซึ่งทำให้เลเยอร์การกำหนดเส้นทางพร้อมระบบ failover เป็นคำตอบเชิงปฏิบัติต่อความเสี่ยงจากผู้ให้บริการรายเดียว มากกว่าการมีผู้ให้บริการรายที่สอง

คำตัดสิน อีกหนึ่งเวอร์ชันต่อมา

Muse Spark 1.1 เป็นโมเดลเอเจนต์ที่รวดเร็ว ราคาไม่แพง และเป็นมัลติโมดัลอย่างแท้จริง เก่งในการใช้เครื่องมือ และพูดตรง ๆ ว่าอยู่ในระดับกลาง ๆ สำหรับการเขียนโค้ดและการใช้เหตุผลล้วน ๆ ไม่มีตัวชี้วัดใดที่แย่ลงในเดือนสิงหาคม สิ่งที่เปลี่ยนไปคือโครงสร้างของตระกูลโมเดลรอบ ๆ มัน: ตอนนี้ Meta มีโมเดลที่ให้คะแนนดีกว่าในราคามาตรฐานเท่าเดิม มีระดับราคาที่ถูกกว่ามากสำหรับนักพัฒนาที่ยอมแลกข้อมูล และผลิตภัณฑ์เอเจนต์ที่ไม่ทำงานบน 1.1 หรือบนอะไรก็ตามที่คุณจะระบุว่าเป็น 1.1

สิ่งที่เหลืออยู่คือคำแนะนำที่แคบลงแต่เป็นจริง หากคุณต้องการคุณภาพการให้เหตุผลของ Meta ที่ความเร็วซึ่งมนุษย์รับรู้ได้ — หนึ่งวินาทีจนถึงโทเค็นแรกในระบบผลิตจริง 213 โทเค็นต่อวินาทีหลังจากนั้น — เวอร์ชัน 1.1 ยังคงเป็นเวอร์ชันที่ควรเรียกใช้ และจุดดัชนีสามจุดที่ 1.2 เพิ่มเข้ามานั้นไม่คุ้มกับการรอที่ยาวขึ้นเก้าเท่า หากคุณไม่ต้องการความเร็วขนาดนั้น ก็ไม่มีเหตุผลมากนักที่จะอยู่กับเวอร์ชันเดิมอีกต่อไป ไม่ว่าจะทางใดมันก็คือโมเดลสตริงเดียว ดังนั้นคำแนะนำที่ตรงไปตรงมาคือให้รันทั้งสองบนชุดประเมินผลของคุณเองสักหนึ่งวัน แล้วให้งบประมาณด้านเวลาแฝงของคุณเป็นคนตัดสิน