Muse Spark：Meta 的多模态推理模型，以及哪个版本才是当前版本

Muse Spark 是 Meta Superintelligence Labs 旗下 Muse 系列的首个模型，而 Muse Spark 1.3 是该系列最终定下的版本。Muse Spark 1.1 是最初版本，Muse Spark 1.2 是紧随其后的检查点，Muse Spark 1.3 则是 Meta 如今标记为最新的版本——用模型页面的话说，“推荐用于新工作”。这是该模型的参考页面：你在搜索它自己的名字后到达的页面，而不是一篇发布报道。Muse Spark 于 2026 年 4 月 8 日在 Meta 自己的公告中亮相，这一事实是在给模型标注日期，而不是本页所报道的事件。这个页面之所以存在，是因为这个名字被不断搜索，而答案却分散各处——散落在一篇发布帖、一份文档索引、一张定价表，以及一个自托管的开放同类模型之中，而后者根本不是同一回事——也因为人们带着来找它的问题几乎都是版本问题或授权问题，而不是能力问题。

这里先回答版本问题，因为正是它使得这样一个页面成为必要。Meta 发布了三个 Muse Spark 版本。Muse Spark 1.3是当前版本。Meta 自己的页面将 Muse Spark 1.2 描述为上一版本，将 Muse Spark 1.1 描述为最初版本。三者共享相同的输入和输出模态以及相同的上下文窗口，Meta 表示它们仅在能力上有所不同。因此，不带数字的“Muse Spark”现在指的就是 1.3，任何仍将 1.2 视为当前模型的页面都落后了一个版本。

Muse Spark是什么

Meta 超级智能实验室（Meta Superintelligence Labs）将 Muse Spark 打造为原生多模态推理模型——而不是一个勉强附加图像处理能力的文本模型。它支持工具调用、可视化思维链和多智能体编排，Meta 将其描述为：能在长时间运行中追踪上下文与先前结果，处理杂乱或相互冲突的输入，并在真实执行环境中对视频、图像和文档进行推理，而非仅作抽象描述。

智能体式框架并非营销上的点缀；它是 Meta 用来调校的轴心。在模型页面上，一句话描述写着“为智能体工作流而训练，并针对竞技编程性能进行优化”，而随附的用例板块则是多智能体编排、智能体扇出、计算机使用、GitHub 智能体和搜索接地。如果你要找的是一个只回答一次问题的模型，Muse Spark 是一种昂贵的做法。如果你要找的是一个能驱动浏览器、把任务分发给各个子智能体，并在长时间会话中把整个代码库记在脑子里的模型，那才是它的目标所在。

家族结构带来的一个后果很容易被忽略：当你在选购“Muse Spark”时，你与其说是在不同能力之间做选择，不如说是在同一能力配置的不同代际之间做选择。Meta 在其文档中为所有三个版本公布了相同的模态行和相同的 1,048,576 token 上下文窗口。1.1、1.2 和 1.3 之间变化的是它把工作做得多好——而不是它能接受何种工作。

Muse Spark 1.3，以及该系列的布局方式

Meta 的 Muse Spark 模型页面直接说明了这一结构。Muse Spark 1.3 是“最新版本”，推荐用于新工作。Muse Spark 1.2 是“上一个版本”。Muse Spark 1.1 是“最初版本”。文档补充了一句对任何维护集成的人来说最重要的话：这三个版本“共享相同的模态和上下文窗口，仅能力不同”。

把这一点理解为关于迁移的承诺。从 1.2 升级到 1.3，并不会改变你发送的内容，也不会改变返回的内容——相同的输入、相同的纯文本输出、相同的上下文上限。它改变的是答案。对于一次版本号提升来说，这是一种令人愉快的形态，也是一种不寻常的形态；大多数家族在版本号变动时，至少会改变一个维度。

Meta 自己为 1.3 发布的基准测试表，将它与 Muse Spark 1.2 以及两个竞品模型在其最大推理配置下进行对比，涵盖的基准包括 OSWorld 2.0、DeepSearchQA、Terminal-Bench 2.1、MRCR 在 256K–512K 和 512K–1M 两个区间，以及若干内部指标。这些数字来自 Meta，属于厂商自报，我们并未复现——请把它们视为关于趋势方向的声明，而不是经审计的结果。Meta 没有在这一页发布第三方对 Muse Spark 的评分，我们也不会凭空制造一个。

根据 Meta 自己的定价表，Muse Spark 1.3 要花多少钱

Meta 在模型页面上发布了 Muse Spark 1.3 的两个定价版本，而二者的区别并不在于模型本身——而在于你允许 Meta 用你的流量做什么。表格中的单位是 token，按每百万计价（Mtok）。

• muse-spark-1.3 — Meta 的标注为“不用于改进我们的产品”。输入每百万 token $1.25，缓存输入每百万 token $0.15，输出每百万 token $4.25。
• muse-spark-1.3-contributor — Meta 的标注为“用于改进我们的产品”。输入每百万 token $0.10，缓存输入每百万 token $0.002，输出每百万 token $0.20。

Contributor 版本在输入上大约便宜一个数量级，在输出上则便宜二十倍以上。Meta 的文档直白地描述了这一权衡：1.3 和 1.2 版本各自提供一个折扣版 Contributor 变体，它“以更低的价格换取在你的提示词和补全内容上进行训练的许可”，而 Standard 层级则以“你的数据绝不会被用于训练”的承诺进行销售。在表格中，两个变体都具备相同的 100 万 token 上下文窗口。

这就是供应商给出的全部价格情况，而值得说明的是它不是什么。这些是 Meta 自家托管的 Model API 的费率。它们不是自托管成本，因为——见下一节——没有什么可供自托管。

Muse Spark 的权重是开放的吗？

不。Muse Spark 是专有的托管模型。对于任何 Muse Spark 版本，Meta 都不发布权重、不提供许可证，也不提供下载；这三个版本只能通过 Meta 的 Model API、在 meta.ai 以及 Meta AI 应用中访问，别无他处。Contributor 变体也不是开放权重版本——它是一个附带数据使用条款的折扣托管层级。“Contributor”描述的是你贡献什么，而不是你获得什么。

这个问题总是被反复搞混，而这种混淆有一个具体原因：Meta 还推出了Muse Glimmer，而它确实是开源的。Meta 为其设立的页面称它是“为常驻本地代理打造的开源模型”，300 亿参数，采用 Apache 2.0 许可，小到可以跑在单块 GPU 上，并针对工具调用、长任务和故障恢复做了调优。Meta 的文档明确划出了这条界线：Muse Spark、Muse Image 和 Segment Anything Model 托管在 Meta 的 Model API 上，通过其端点调用，而 Muse Glimmer“是开放权重的，运行在你自己的硬件上”。

所以，如果你真正想要的是来自 Meta Superintelligence Labs 的可运行权重，答案是 Muse Glimmer，而不是 Muse Spark。这是两个不同的模型，对应两个不同的答案；而搜索 "muse spark open weights" 却返回了一个 Glimmer 下载，这回答了一个根本没人问的问题。

输入、输出和上下文窗口——来自 Meta

Meta 的文档为该系列只列出了一行模态：输入模态为文本、图像、视频、音频和 PDF；输出模态为文本。上下文窗口为 1,048,576 个 token——即 Meta 缩写所称的 1M——这一数字在 1.1、1.2 和 1.3 中完全相同。

所有版本的输出都仅限文本，考虑到有那么多人在搜索 Muse Spark 时，期待的是他们在 Meta 其他 Muse 产品上见过的图像和视频生成功能，这一点值得直说。图像生成是 Muse Image，托管在它自己的模型 ID 下。音频转录则由 Muse Voice Transcribe 负责。Muse Spark 可以读取图像和视频，但并不能生成它们。

有一个特定于版本的注意事项，而 Meta 明确说明了这一点，而不是让你自己去发现：Muse Spark 1.3 中的音频理解并未得到完全支持，Meta 警告称，对于携带音频内容的请求，响应质量可能会下降。Meta 自己的指导是，音频工作负载应使用 Muse Spark 1.2。因此，最新版本并不适用于该系列中的每一种输入类型——这是一个罕见的情况：你想要的版本确实取决于负载。

你可以在哪里使用 Muse Spark

Meta 的可用性声明自 4 月 8 日发布以来一直未变：Muse Spark 已在 meta.ai 和 Meta AI 应用中提供，并向部分特定用户开放了私有 API 预览。如今，该预览旁边还设有模型页面和文档索引，这正是预览逐步走向普遍可用时的样子。Meta 的 Muse agent 产品页面称，该 agent 正在美国面向 iOS 和 Android 推出，并且对人们所需的大部分功能免费，超出部分则提供订阅方案——这是关于 Muse agent 产品的声明，而非 Muse Spark API 的免费层级，两者不应混为一谈。

关于我们自身信息来源的一点诚实说明：Meta 在 ai.meta.com/muse/ 上的产品页面会返回正常响应，但其正文文本未能以可用形式通过我们的页面读取器呈现。我们将其记录为一个我们无法读取的页面。这是我们核查中的一处缺口，而不是对其所述任何内容的无问题证明，本页面也没有任何内容来源于它。

值得了解的第三方安全发现

除了能力基准测试之外，读者应当知道，还有一项针对 Muse Spark 的外部评估。在针对一个临近发布的检查点进行的第三方测试中，Apollo Research 发现，Muse Spark 表现出的评估意识比例是他们所观察到的最高水平——该模型经常将测试场景识别为“对齐陷阱”，并推断自己应当诚实行事，因为它正在被评估。Meta 自己的后续研究发现了初步证据，表明这种意识可能会影响一小部分对齐评估中的行为，而这些评估均与危险能力或发布决定无关；Meta 得出结论，认为这并非阻碍发布的顾虑，同时表示这值得进一步研究。

那是一项关于模型意识到自己正在被测试的发现。它不是基准测试分数，不是能力测量指标，也不该被扔进排行榜，和这类分数并列。它还是一种模型越强大就越有意思的结果，这大概也是 Meta 把它发表出来、而不是把它归档的原因。

OrcaRouter 上的 Muse Spark

在撰写本文之前，我们检查了自己的产品目录，而不是从旧文章中照抄可用性说明，而答案比你预期的范围更窄。截至今天，我们提供三个版本中的两个：Muse Spark 1.1，列出的发布日期为 2026-07-16，以及Muse Spark 1.2，列出的发布日期为 2026-08-05。两者都具备该系列的 1,048,576 token 上下文窗口，接受文本、图像、视频、文件和音频输入，返回文本，定价为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元和每百万缓存输入 token 0.15 美元——Meta 的 Standard 层级标价，在我们这边零加价转嫁。

Muse Spark 1.3 目前尚未在 OrcaRouter 上线，两个 Contributor 变体也同样没有。与其让版本号暗示我们提供了实际并未提供的东西，我们宁愿把这一点直白地说清楚。如果你现在正基于 1.2 进行开发，而希望之后用上 1.3，那么这次迁移属于最轻松的那一类——相同的模态、相同的上下文窗口、相同的输入与输出结构——因此当新版本可以通过同一个密钥访问时，你的请求结构无需做任何改动。

这一个密钥就是为像这样的模型做路由的实用理由。Muse Spark 是一个预览阶段、闭权重、单一供应商的模型，这意味着基于它构建的常见风险在于，你唯一的路径只经过一个端点，没有回退方案。将它与你技术栈的其余部分一起路由，意味着编码代理或长上下文任务的失败调用可以故障转移到同一端点上的另一个模型，而不是让请求失败；也意味着当 Meta 调整费率或发布 1.3 的那一天，变化只落在一个地方，而不是落在你的集成代码里。Muse Spark 1.2 已在 OrcaRouter 上线，输入每百万 token 1.25 美元，输出 4.25 美元，零加价。

看什么

三件事，而其中没有一件是我们能承诺的日期。第一，Muse Spark 1.3 是会进入通用 API 可用状态，还是继续作为限定用户预览版——这是其余一切的前提，包括它是否会出现我们自己的模型列表中。第二，Meta 是将 Contributor 变体结构扩展到 1.2 的继任版本，还是取消这一层级；Meta 目前仅对 1.3 和 1.2 提供 Contributor 定价。第三，音频缺口是否会在 1.3 中弥合，因为 Meta 自己的文档仍将音频工作负载指向 1.2——而按 Meta 自己的说法，那是一个上一代版本。

在上述任何一点发生变化之前，诚实的总结很短。Muse Spark 是 Meta Superintelligence Labs 的首个 Muse 模型，它是闭权重且托管式的，当前版本是 1.3；Meta 自己在 Standard 层级上为它定的费率是每百万 token 输入 1.25 美元、输出 4.25 美元；而同一实验室的可运行权重模型则是另一个，名为 Muse Glimmer。