Muse Spark 1.3 Contributor 以$0.10/$0.20价格推出：Meta最便宜的编程模型，以数据为支付方式

Meta于9月2日发布了Muse Spark 1.3 Contributor，令人意外的不是模型本身，而是它的价格。Muse Spark 1.3 Contributor是全新Muse Spark 1.3检查点的数据共享SKU，输入每百万tokens定价0.10美元，输出每百万tokens定价0.20美元，而标准版Muse Spark 1.3分别为1.25美元和4.25美元——输入价格约为标准版的1/12，输出约为1/21，换来的是Meta有权使用你的提示词和补全内容进行训练。负责Meta AI工作的Alexandr Wang称这一定价“激进”，并表示已有“相当可观的两位数百分比”的开发者选择了Meta在8月随Muse Spark 1.2推出的Contributor层级，同时将此次发布定位为全天候代表用户工作的个人代理的奠基之举。该模型上线首日便已在Meta Model API和Meta的终端编码代理Muse Code中可用；该检查点的“max reasoning”变体仍在安全测试中。对于通过API路由编码工作负载的团队而言，这应被解读为一场以模型发布为伪装的降价战动作——而Contributor SKU正是武器。

一个发布，以及改变其含义的层级

Muse Spark 1.3是Muse Spark系列自4月以来的第四次发布，也是Meta在旗舰产品上保持过的最快发布节奏：最初的Muse Spark于4月8日发布，Muse Spark 1.1于7月9日发布（Meta首个付费API模型），专注编码的Muse Spark 1.2于8月5日发布，如今1.3在一个月后接踵而至。Meta将1.3的标准定价与1.2保持完全一致，这本身就值得注意——该公司在宣称编码能力大幅跃升的同时，将API价格维持在原有水平。Contributor层级才是Meta定价策略的真正所在：与其为标准SKU打折，Meta选择两次发布同一检查点，一次以全价提供且不附带训练数据条款，另一次以接近成本的价格换取使用权。这种双SKU结构最初随8月的1.2版本推出，如今已成为该产品系列的默认配置。

• 检查点 — Muse Spark 1.3，一个闭权重多模态推理模型（支持文本、图像、视频、音频和 PDF 输入；文本输出）。

• 上下文：1,048,576 个输入 token，131,072 个输出上限，与 1.2 版本相同。

• Standard SKU——输入 $1.25，输出 $4.25，缓存输入 $0.15。无训练数据条款。

• 贡献者 SKU — 输入 $0.10，输出 $0.20，缓存输入 $0.002。提示词和补全内容可能会被用于训练 Meta 模型。

• 推理模式——标准模式在发布时即可使用；“最大推理”模式则因安全测试尚未完成而暂缓推出。

• 运行平台——Meta Model API 与 Muse Code；Contributor SKU 也通过 Meta 已签约的平台分发。

“同一检查点、两种合同”的结构之所以重要，有一个实际原因：模型质量并不是这些SKU之间的变量。一个为每百万输出token支付4.25美元的开发者，和一个支付0.20美元的开发者，调用的是相同的权重。两者之间的选择完全取决于数据条款及其带来的运营限制——这正是Contributor选项应当被当作独立产品来介绍、而不是作为1.3发布的一个脚注的原因。

Meta声称新的检查点会改变什么？

由于1.2本身就是一个编码版本，1.3的故事主要围绕“把同样的工作做得更好”展开。以下所有数字均为Meta在发布时公布的数据，尚未经独立评估机构复现：

• Terminal-Bench 2.1 — 88.8，Meta 表示这与榜单上的最佳成绩持平，高于其此前在同一基准测试中为 Muse Spark 1.2 报告的 82.9。

• DeepSWE v1.1——75.4，Meta 称这是在该长时程智能体基准测试上取得的最先进成绩，领先于其援引的两家前沿竞争对手的 73.0 和 74.0。

• 长上下文保持——在256K–512K的MRCR上为98.5，在512K–1M上为98.1，均为厂商报告数据。

• 效率 — Meta 的工程师报告称，在相同任务上，比 Muse Spark 1.2 减少约 20% 的工具调用和 25% 的 token 消耗，这是最直接支撑成本比较的说法。

效率声明仍然重要，即便基准分数经不起独立测试框架的检验，因为它们会与 Contributor 价格产生叠加效应。如今唯一可用的独立锚点是上一代产品：在 Artificial Analysis 上，最新的 Muse Spark 条目仍是 Muse Spark 1.2，其 Intelligence Index 为 57，测得的 Terminal-Bench 2.1 分数约为 80.1——低于 Meta 自己为该模型给出的 82.9。截至本文撰写时，尚无 Muse Spark 1.3 的独立运行结果发布，Artificial Analysis 也尚未收录 1.3 检查点。在竞技场（arena）或第三方测试框架确认之前，请将 88.8 和 75.4 这两个数字视为 Meta 的声明。

贡献者细则才见真章。

$0.20 和 $4.25 输出 token 之间的差距是真实存在的，附着其上的条款也同样真实。Meta 的 Contributor 计划，随 8 月 1.2 版本发布，将折扣价与限制条件捆绑在一起，而这些限制会改变一个严肃团队使用它的方式：

• 数据使用——通过 Contributor SKU 发送的提示和补全可能会被用于训练 Meta 的模型。这包括代码，而对于编码智能体来说，实际上也包括其所指向的仓库内容。这正是提供折扣的全部原因。

• 速率限制 — Contributor 层的限额比标准层严格得多：标准 SKU 为每分钟 3,000 次请求和 4M tokens，而 Contributor 层只有每分钟 60 次请求和 2.1M tokens。请求吞吐量相差 50 倍，这让 Contributor 层无法应对突发性 CI 或大规模并行评估运行。

• 区域限制 — 贡献者仅在部分地区可用，且即使单次会话的边际成本可能只有几美分，也必须提供支付方式。

• 附加功能不享受折扣——Web search grounding 在两种套餐中均按每 1,000 次查询收取 $2.50，因此检索量大的智能体所能节省的百分比会低于 token 费率所暗示的水平。

• 推理按输出计费——任何推理令牌均按输出费率计算，因此在智能体工作负载中，起主导作用的数字是 21× 的输出折扣。

0.20美元的输出token会对智能体账单产生什么影响

以一个具有代表性的智能体编码任务为例：200,000 个输入 token 的上下文与仓库状态，以及 40,000 个输出 token（包括推理和工具调用）。在标准的 Muse Spark 1.3 SKU 上，费用为 $1.25 × 0.2 加 $4.25 × 0.04，约合每个任务 $0.42。在 Muse Spark 1.3 Contributor 上，同样的计算是 $0.10 × 0.2 加 $0.20 × 0.04，约合 $0.03——大约为标准价格的十五分之一，而这甚至还没有把 token 用量减少 25% 带来的效率提升计算在内。如果扩展开来，一个团队每月运行数千个智能体任务，Contributor SKU 会把五位数的 token 账单变成三位数。这就是这项方案。上述细则就是其代价；对许多团队而言，关键问题不在于节省是否真实，而在于数据条款和每分钟 60 次请求的上限是否可以接受。

如今你实际上会怎么运行它

Muse Spark 1.3 Contributor 尚未被所有曾支持 Muse Spark 1.2 的平台路由，因此坦率而言，当前的访问情况是分裂的。在 Meta 这边，Contributor SKU 可直接通过 Meta Model API 获取——这是供应商自己的端点，对于数据共享层级，相关条款正是在此执行。在我们这边，Muse Spark 家族当前可路由的成员是标准版 Muse Spark 1.2，通过 OrcaRouter 提供服务，按 Meta 标价：输入 $1.25、输出 $4.25，零加价——一个 API 密钥，无需第二份合同，若上游供应商拥堵则自动故障转移。当已路由的供应商加入 Muse Spark 1.3 家族时，两种 SKU 会在同一天以标价出现，因为 OrcaRouter 会原封不动地透传供应商费率：供应商降价或 Contributor 层级会立即显现在账单中，而非等待重新谈判。这种透传机制正是我们需要关注 1.3 最终落脚点的实际原因，而非假设当前的分裂状态会永久持续。

接下来的两周

决定Muse Spark 1.3 Contributor究竟是真正的转折点，还是营销上的陈词滥调，有四个因素。第一，独立的测试框架能否证实88.8 Terminal-Bench和75.4 DeepSWE的声称，因为整套“低价前沿模型”的叙事都建立在它们之上。第二，被保留的“最大推理”版本何时发布，以及它是否也会在Contributor层级上提供。第三，Meta的竞争对手会如何应对价格——0.20美元输出token的严肃级编码模型会给所有高于这个价位的付费编码模型带来压力，而回应会在数周内显现。第四，社区早期的怀疑——一些评论者认为1.3只是渐进式更新，在一个月的间隔后不过是“挤牙膏”——是否会转变为基于第三方测试的审慎结论。在这些结果落地之前，理性的立场是：Muse Spark 1.3 Contributor是一种异常便宜的运行极强编码模型的方式，而整个折扣的代价都体现在数据条款中，这一条款理应得到与基准测试图表同等的审视。