Muse Spark 1.3 Contributor 对比 Muse Spark 1.2：数据共享新秀 vs 上个月的全价旗舰

如果你们的团队在 8 月已统一采用 Muse Spark 1.2，那么 9 月发布的 Muse Spark 1.3 Contributor 就带来一个棘手的问题：你是把编码智能体迁移到最新检查点——每百万 token 输入 $0.10、输出 $0.20——还是继续使用 Muse Spark 1.2——那个你已集成、已针对自己的代码库做过基准测试，并且已经为其支付每百万 token $1.25 和 $4.25 的模型？棘手之处在于，这个比较其实并不是真正的新对旧。Muse Spark 1.3 Contributor 是新 Muse Spark 1.3 检查点的数据共享 SKU，而它相较于 Muse Spark 1.2 的大部分价格优势来自合同，而不是权重：通过它发送你的提示词和补全内容，Meta 就可能用它们来训练自己的模型。因此，这个决定拆成两个很少被一起提出的问题——1.3 检查点对你的工作是否显著优于 1.2，以及数据条款加上 Contributor 层级的运营限制，是否是你愿意为便宜约 20 倍的 token 账单而做出的取舍。

每一方实际上是什么

Muse Spark 1.2 于 8 月 5 日与 Muse Code 一同推出，后者是 Meta 的终端编码智能体，也是该系列首个面向编码调优的发布版本。它是一个闭权重多模态推理模型——输入文本、图像、视频、音频和 PDF，输出文本——拥有 1,048,576 token 的上下文窗口和 131,072 token 的输出上限。在其标准形式下，定价为每百万输入 token 1.25 美元、缓存输入 0.15 美元、每百万输出 token 4.25 美元，且没有任何条款授予 Meta 对你数据的权利。它也是该系列中第三方平台实际路由的版本，因为 Meta 随其一同推出的 Contributor SKU 始终是一个独立上架、带有自身条款的产品。

Muse Spark 1.3 Contributor 与 Meta 于 9 月 2 日发布的 1.3 检查点是同一个版本，附带 Contributor 合同：输入 $0.10、缓存输入 $0.002、输出 $0.20，以换取训练数据权利，并且处于严格得多的速率范围内。其他一切——上下文窗口、输入模态、输出上限、闭源权重——都与其标准版同类模型以及之前的 1.2 代共享。因此，本次比较中的两个模型在两条相互独立的轴向上存在差异：代际（1.2 与 1.3 权重）和层级（标准条款与 Contributor 条款）。将这两条轴向分开来看，才是关键所在。

记分牌

• 发布 — Muse Spark 1.2：2026年8月5日。Muse Spark 1.3 贡献者：2026年9月2日。

• 上下文 / 输出 — 相同：输入 1,048,576 个 token，输出 131,072 个。

• 输入 — 完全相同：文本、图像、视频、音频、PDF；仅输出文本。

• 价格—— Muse Spark 1.2 标准版：输入 $1.25，输出 $4.25，缓存 $0.15。Muse Spark 1.3 贡献者版：输入 $0.10，输出 $0.20，缓存 $0.002。

• 数据使用 — Muse Spark 1.2 标准版：无。Muse Spark 1.3 贡献者版：提示和补全内容可能用于训练 Meta 模型。

• 速率限制 — Muse Spark 1.2 标准版：每分钟 3,000 次请求，每分钟 4M token。贡献者计划：每分钟 60 次请求，每分钟 2.1M token。

• 可用性 — Muse Spark 1.2 standard 是该系列中出现在第三方路由平台上的版本；Muse Spark 1.3 Contributor 则位于 Meta 自有 API 以及 Meta 已就该层级签约的平台上。

按Meta的说法，新检查点带来了哪些改变

Meta 的发布材料声称，在定义编码智能体的基准测试上，1.3 较 1.2 实现大幅跨越。Terminal-Bench 2.1：1.3 为 88.8，而 Meta 报告的 1.2 为 82.9——Meta 还指出，1.3 的分数与榜单最佳成绩并列。长时程代码仓库基准测试 DeepSWE v1.1：1.3 为 75.4，Meta 称其达到最先进水平。效率方面：Meta 的工程师报告称，对于相同的工程工作流，1.3 的工具调用次数大约减少 20%，token 用量减少 25%，而这个数字在成本比较中悄然最为重要。所有这些都是厂商报告的数据，截至 9 月 3 日，尚无任何一项被独立复现；唯一可用的独立参照是 1.2 本身，Artificial Analysis 在 Terminal-Bench 2.1 上测得约 80.1，并在 Intelligence Index 上给出 57 分——略低于 Meta 自己对该模型的 82.9，这有助于提醒人们，厂商评估与第三方测试框架之间通常存在差距。早期社区反应怀疑 1.3 相比 1.2 并没有带来多大提升，因此在认定这次升级幅度很大之前，最重要的就是等待独立复跑结果。

合同才是更大的变量

暂且假设“token 用量减少 25%”的说法大致成立，且 1.3 的能力至少不亚于 1.2。其余差异属于合同层面，而且各有利弊。Contributor 层级的每分钟 60 次请求上限，是标准 SKU 的 3,000 次的 50 倍——对交互式智能体和单个工程师来说没问题，但对运行并行评估、参数扫描，或一个会扇出大量请求的共享实例的团队来说，却是实实在在的限制。Contributor 可用性的区域限制，是在将其作为默认选项采用之前需要核实的另一个运营事实。而数据条款又凌驾于这两者之上：每一份仓库上下文、失败的测试，以及通过 Muse Spark 1.3 Contributor 发送的内容，都是 Meta 可能用于训练的材料。对于独立开发者或拥有专有代码库的一方来说，这通常是为换取 20× 折扣而可以接受的。对于在客户 NDA 下交付代码、构建的东西本身就是护城河的团队来说，无论节省多少，该条款通常都足以一票否决。

每月的算术

给一个每月运行 3,000 个智能体任务的团队算笔账：在 Muse Spark 1.2 上，一个任务会消耗 200,000 个输入 token 的上下文，以及 40,000 个输出 token 的推理和工具调用。按 1.2 标准定价，每个任务 0.42 美元——1.25 美元 × 0.2 加 4.25 美元 × 0.04——约合每月 1,260 美元。把同样的工作负载迁移到 Muse Spark 1.3 Contributor，并采用 Meta 声称的 25% token 削减，则每任务消耗降至 150,000 个输入 token 和 30,000 个输出 token：0.10 美元 × 0.15 加 0.20 美元 × 0.03，约合每任务 0.02 美元，大约每月 63 美元。在同样的逻辑工作负载上，这是 20 倍的成本差异，也正是 Contributor SKU 的全部商业论据。与之相制衡的不是模型质量——后者看起来相当或更好——而是你的工作负载是否落在 Contributor 的费率范围内，以及训练数据条款对于你实际通过它发送的内容是否可以接受。这两点就是某些团队仍理性选择全价 Muse Spark 1.2 的唯一原因。

说实话，要获得每一个的访问权限

如今存在一种真实且实际的非对称性。Muse Spark 1.2 standard 是该系列中第三方平台会进行路由的成员——在 OrcaRouter 上，它已上线，按 Meta 的标价计费：输入每百万 token 1.25 美元、输出每百万 token 4.25 美元，0% 加价，一个 API 密钥，无最低消费，并且在 上游提供商拥堵时自动故障转移。Muse Spark 1.3 Contributor 尚未由我们路由；它目前只存在于 Meta 自己的 API 以及 Meta 为该层级签约的平台上，这意味着，想要把这两个模型并排做 A/B 测试的团队，目前需要为新模型准备一个 Meta 账户，并为旧模型准备一个路由密钥。这种割裂从市场性质来看是暂时的——一旦某个已接入路由的提供商添加 1.3 系列，其两个 SKU 当天就会以标价出现在 OrcaRouter 上，因为提供商费率是透传的，而不是加价。在那之前，评估 1.3 Contributor 最便宜且最诚实的途径是 Meta 自己的 API，而让你现有的 1.2 集成继续运行的最便宜方式，就是你已有的那把密钥。

三支团队，三种答案

这个决定可以清晰地归为三种情况。没有专有代码、也没有突发吞吐量需求的独立开发者或早期团队：现在就转向 Muse Spark 1.3 Contributor——20 倍的节省是实打实的，而数据条款对你的代价很小。在 NDA 下交付、或代码库本身就是产品的团队：不要选择 Contributor 层级；正确的升级是按标准条款使用 Muse Spark 1.3，与此同时，在独立基准测试确认 1.3 的跃升之前，继续留在 Muse Spark 1.2 是站得住脚的。请求吞吐量高或使用共享网关的团队：Contributor 的上限使其不适合作为默认选择，两代产品的标准 SKU 才是现实可行的选择。换句话说，“1.3 Contributor 还是 1.2”这个问题的答案，很少取决于哪个模型更好——两代都很强。它取决于，在你的速率限制和数据政策面前，这个折扣是否还能成立。