Muse Spark 1.3 Contributor 对比 Muse Spark 1.3：相同模型，21倍价差，与一笔巨额交易

Muse Spark 1.3 与 Muse Spark 1.3 Contributor 在模型上没有任何区别——这两个名称指向同一检查点、同一组权重、同样的 1,048,576 token 上下文窗口，以及 Meta 在发布时报告的那组 88.8 Terminal-Bench 2.1 与 75.4 DeepSWE v1.1 分数。将二者区分开来的是一份合同。Muse Spark 1.3 Contributor 每百万输入 token 收费 0.10 美元，每百万输出 token 收费 0.20 美元；而标准版 Muse Spark 1.3 则分别为 1.25 美元和 4.25 美元。输出端 21 倍的价差并不是 Meta 发放的折扣，而是一项数据权利的代价。将你的提示词和补全内容经由 Contributor SKU 发送，Meta 便可能将其用于训练自身模型；经由标准 SKU 发送，则不会。这两个产品之间其余一切差异——速率限制、地区可用性、由哪些平台提供——都源于这一项条款。如果你正在权衡，是否要在一个已经决定使用其全价通道的模型上走廉价通道，那么这篇对比正是值得你读的内容。

非比较优先

由于检查点完全相同，你通常在模型对决中会比较的一切都是平局，可以很快放到一边。上下文窗口相同，多模态输入相同（文本、图像、视频、音频、PDF），131,072 token 的输出上限相同，闭源权重相同，推理模式也相同——包括 Meta 出于安全测试考虑而暂未向两个 SKU 放出的“最大推理”变体。任何声称能区分 Muse Spark 1.3 Contributor 与 Muse Spark 1.3 的基准测试，测出的都是噪声，而不是模型本身。这种坍缩正是本文的核心：当权重保持不变时，真正可供选择的维度只剩价格、数据权利，以及每个服务层级周围的运营边界。

• 价格 — 标准：$1.25 输入，$4.25 输出，$0.15 缓存输入。贡献者：$0.10 输入，$0.20 输出，$0.002 缓存输入。

• 数据使用 — 标准：无。贡献者：提示和回答可能被用于训练 Meta 的模型。

• 请求速率——标准：每分钟 3,000 次请求和 4M tokens；贡献者：每分钟 60 次请求和 2.1M tokens，依据 Meta 随 8 月 1.2 Contributor SKU 发布的计划条款。

• 区域——标准：广泛可用。贡献者：仅部分区域可用，且无论何种情况均需提供付款方式。

• Grounding 附加功能——两个层级均为每 1,000 次查询收费 2.50 美元；该折扣不适用于检索。

• 各自的销售渠道——standard 和 Contributor 都运行在 Meta Model API 上；Contributor 层级还额外通过 Meta 已签署合作协议的平台进行分发。

需要谨慎对待的是Meta自家的发布分数——这些分数均未经独立复现，该系列唯一的独立参照仍是上一代产品：Artificial Analysis对Muse Spark 1.2的智能指数评分为57，测得的Terminal-Bench 2.1分数接近80.1。无论1.3检查点获得怎样的独立评测结论，都将同时适用于两个SKU，因为这两个名称指向的是同一个模型。

21倍的差距为Meta带来了什么

以接近成本的价格出售编程模型，对一家公司来说是很奇怪的事情，除非真正的产品是别的东西。Meta 的 AI 负责人 Alexandr Wang 将这一定价描述为“激进”，并表示已有“可观的两位数百分比”的开发者选择了随 Muse Spark 1.2 一同推出的 Contributor 层级——这就是端倪所在。Contributor 是一个附带 API 的数据采集项目。前沿训练所依赖的，恰恰是编程代理产生的那类信号：真实的代码库、真实的失败测试、真实的多步骤工具调用、真实的关于什么有效什么无效的序列。这些数据稀缺、生产昂贵，而且——对于一家公开抱负是打造代表用户全天候行动的个人代理的公司来说——直接处于关键路径之上。通过将 Contributor SKU 定价在成本附近，Meta 把每一位选择它的开发者都变成了付费换取参与资格的训练数据供应商。“可观的两位数百分比”的选择加入率表明这一策略正在奏效：足够多的开发者更看重 21 倍的成本节省，而非对自己提示词的专有权。

它的价格，以三种货币显示

标准版与贡献者版之间的选择最好从三种独立的成本来考量，因为各团队对其权衡方式的差异很大。

第一种货币是数据。通过Contributor SKU，你的智能体发送的一切都会成为Meta训练管线的素材：被拉入上下文的仓库内容、你diff中的代码、你的智能体迭代所依据的测试输出。对于独立开发者或靠速度而非保密取胜的初创公司来说，这通常是一个毫不犹豫的同意；而对于任何处理受NDA约束的客户端代码、受监管数据，或本身就是竞争护城河的代码库的人来说，这则通常是一个断然的拒绝——省下的成本根本不足以弥补暴露的风险。

第二种货币是吞吐量余量。Contributor 层级的 60 次请求/分钟和 210 万令牌/分钟的上限，比标准 SKU 的请求限制低了 50 倍。少数工程师使用的交互式代理通常几乎察觉不到差异。但如果团队运行并行评估扫描、大规模批量迁移或共享内部网关，几乎立刻就会触顶——当代理型工作负载在任务进行中被限流时，“便宜”层级开始消耗的是工程时间，而不是令牌。

第三种货币是运营简洁性。Contributor 的可用性受区域限制，因此，对于全球化分布的团队而言，这个廉价层级在其工作负载运行的区域可能根本无法获得。此外，Contributor 列表是通过与标准 SKU 不同的平台体系分发的，因此团队最终可能需要为逻辑上同一个模型维护两套集成——而这正是路由层旨在消除的那种碎片化。

当廉价SKU才是正确的选择时

当以下三个条件同时成立时，选择 Contributor 层级：你的工作负载不涉及机密；它能落在每分钟 60 次请求的限额之内；并且你对 token 成本足够敏感，以至于 21 倍的输出折扣会改变你决定构建什么。最后一个条件比听上去常见得多。高吞吐量、非敏感的工作负载——为公共库生成测试、编写文档、审查开源仓库代码、为评估集构造合成数据——都能通过 Contributor SKU 运行，所产生的 token 账单几乎可以忽略不计，这改变了“让 agent 不断重试直到成功”的经济性。对正在烧钱的初创公司，或 agent 账单即将媲美咖啡预算的独立开发者而言，Contributor 把一笔按量计费的成本变成了一处四舍五入的误差。

何时支付全额4.25美元

在数据条款不合规、需要突发吞吐量，或希望模型条款能被客户或合规审查接受时，请按标准费率付费。还有一个不太显眼的原因：标准SKU是“能流通”的版本。它是当前第三方路由平台为该系列上一代产品所挂出的列表，也是大多数企业无需法务审查即可签署的条款版本。如果你的组织瓶颈在于采购或安全，而不是令牌消耗，那么全价SKU并非昂贵选项——它是唯一能过关的选项。

为什么这也是一个路由问题

对于大多数团队而言，这两个 SKU 不会从同一扇门进来。Muse Spark 1.3 和 Muse Spark 1.3 Contributor 都已上线 Meta Model API，但该系列目前在第三方平台上可路由的成员是上一代 Muse Spark 1.2，通过 OrcaRouter 以 Meta 的标价提供服务，0% 加价——这一点很重要，因为路由层的全部意义就在于，供应商的定价结构不应该决定你的集成拓扑。当某个被路由的提供商加入 1.3 系列时，OrcaRouter 会在同一天以供应商价格列出这两个 SKU，不加价透传，因此团队可以用一个密钥调用 standard 和 Contributor，让自动故障转移在两者之间选择——用 Contributor 处理适合其包络的工作负载，用 standard 处理其他一切，而无需维护两个供应商账户。在此之前，诚实的路径是：对于任一 1.3 SKU 使用 Meta 的 API，对于你可能已经在运行的 1.2 standard 工作负载使用路由密钥。你所选择的定价结构不应迫使你维持某种集成结构。

哪个SKU是你的？

9月2日，Meta实际发布的产品是双SKU结构——同一款模型以两种合同形式出售，一种按数据计价，一种按控制计价。按照上述三种“货币”来做决策，答案通常来得很快。敏感代码、突发流量或合规门槛：选Muse Spark 1.3标准版，毫不犹豫。非机密工作负载、适度吞吐量，以及一份你真的会盯着的账单：Muse Spark 1.3 Contributor是当今编程领域最划算的token交易之一，因为它背后的模型与Meta按每个输出token收费4.25美元的是同一个。唯一的陷阱是忘记折扣是种交易，并把数据权利的决策当成定价决策。