Muse Spark 与 Muse Spark 1.3：其中一个名称是版本号，而这就是全部答案

输入 Muse Spark与Muse Spark 1.3到搜索框中，会让人以为这是两个产品，而任何人能告诉你的第一件有用的事就是：其实只有一个。Meta Superintelligence Labs 于 2026 年 4 月 8 日推出了 Muse Spark，而 Muse Spark 1.3——2026 年 9 月 2 日发布，其最高推理级别于 9 月 4 日向开发者开放——正是这个名字如今所指的对象。Meta 自家的模型页面用三句话就定了论：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“原始版本”。所以这并非一场对决。这是自该系列开始重新指向以来，Muse Spark 这个名字一直隐藏着的版本问题，而答案取决于你实际比较的是哪一个更早的检查点。

每个名称表示什么

未加版本号的名称是一个系列，也是一个不断变动的目标。Meta 于 2026 年 4 月发布最初的 Muse Spark，当时是作为一款原生多模态推理模型，并提供私有 API 预览；此后便开始发布带编号的检查点：Muse Spark 1.1，我们自己的目录中列出的发布日期为 2026 年 7 月 16 日；Muse Spark 1.2 于 2026 年 8 月 5 日；Muse Spark 1.3 于 2026 年 9 月 2 日。独立收录信息与后两个日期一致。有一处小矛盾值得指出，而不是掩盖过去：Meta 的文档称 1.1 是“最初的版本”，而该系列的推出是在 4 月，在我们能读到的任何页面上，这两处说法之间的出入都没有得到解释。请将 4 月这个日期视为该系列的推出时间，将 7 月视为首个带编号的检查点，而不要把其中任何一个当作本页所报道的发布事件。

三个编号版本共享同一模态行和同一个 1,048,576 token 的上下文窗口，Meta 直接表示：它们“共享相同的模态和上下文窗口，只是能力不同”。这句话是页面上最实用的信息。这意味着该系列中的版本升级不会改变你的请求形态。相同的输入——文本、图像、视频、音频和 PDF——相同的纯文本输出，相同的上限。改变的是回答质量，而价格完全不变：每百万输入 token 1.25 美元、每百万缓存输入 0.15 美元、每百万输出 token 4.25 美元，在 Meta 的标准层级上，1.1、1.2 和 1.3 完全一致。

升级算术，来自 Meta 自己的表格

Meta 发布了一张基准测试表格，将运行 max reasoning 的 Muse Spark 1.3 与运行 xhigh 的 Muse Spark 1.2 并列对比，覆盖十几项智能体与长上下文评估；逐行细读下来，呈现出的图景比版本号所暗示的更有意思。下文中的每一个数字均由厂商自行报告，产自 Meta 自家的评测框架，我们并未复现。

• GDPval-AA v2 — Muse Spark 1.3（max）1,754 对比 Muse Spark 1.2（xhigh）1,615

• Terminal-Bench 2.1 — 88.8 对 82.9

• OSWorld 2.0 — 66.9 对 47.6

• DeepSWE v1.1 — 75.4 对比 55.0

• SWEAtlas — 59.4 对比 46.2

• JobBench — 64.9 对比 61.6

• MRCR 256K–512K — 98.5 对比 66.3

• MRCR 512K–1M — 98.1 对比 55.5

最后两行才是真正值得关注的部分，而它们并不是发布时被任何人引用的那几行。在 256K–512K 区间，长上下文检索提升了 32 分；在 512K–1M 区间，提升超过 42 分。通用能力方面的提升则小得多：GDPval-AA 在一个原本在 1,615 处只有 1.2 的量表上提升了 139 分，而 JobBench 提升了 3 分。这一模式与实验室在追求长时程智能体工作时所调优的方向一致——模型并没有全面变聪明，而是在它本就拥有窗口的上下文范围内，保持和检索信息的能力大幅增强。如果你的工作负载位于前 100K 个 token 之内，这次升级是实实在在的，但幅度有限。如果超出这个范围，那就是一个能用大上下文的模型和一个能在其中找到东西的模型之间的差别。

这些数字上必须加两点说明。这个比较是 max 对 xhigh，而不是 max 对 max，因为 Meta 让 1.2 以 xhigh 运行、让 1.3 以 max 运行——设置不同，所以提升中有一部分来自推理预算，而非检查点质量。而且那张表里 1.2 的那一行如今已是弃用配置：在 Meta 自己的表格之外，独立清单也将 Muse Spark 1.2 标记为弃用，并指向 1.3，这是目前最有力的信号，表明较旧的检查点正在被淘汰。

独立电影，以及无人提及的交易

Artificial Analysis 是第三方，针对这两个检查点都提供了公开榜单；它的数字与 Meta 的数字存在不一致，而这种不一致很有启发性——不是方向上的分歧，而是在成本上。

• Muse Spark 1.3 (Max) — 智能指数 48，在 217 个中排名第 24；输出速度 121.9 tokens/秒；每完成一项智能指数任务 1.60 美元；评估期间生成 1.7 亿输出 token

• Muse Spark 1.2 (Xhigh) — Intelligence Index 40，在 217 个中排名第 59；输出速度 361.4 tokens/秒，在 186 个模型中排名第一；每个完成的 Index 任务 $0.97；130M 输出 tokens；首个 token 时间 12.67 秒

对照两份榜单来看，这次升级的表现与 Meta 表格中呈现的读法并不一样。Muse Spark 1.3 的指数高出八点，速度却慢了约三倍——每秒 121.9 个 token，对比之下旧版本为 361.4，而那个更早的检查点是该榜单上各类模型中最快的一个。尽管每 token 价格完全相同，每项完成任务的成本却从 0.97 美元升至 1.60 美元，因为较新的模型为完成同一评估多生成了 4000 万个 token。供应商的价目表没有任何变化。变的是模型说了多少话。

这就是版本号所掩盖的取舍，而它指向的方向是大多数报道都忽略的。如果你的应用对延迟敏感或受吞吐量限制，那么上一个 Muse Spark 版本可能确实是更适合你的更快产品，且标价相同。如果它在解决难题时受准确率限制，那么搭配 max reasoning 的 1.3 才是这次升级的意义所在。这些是不同的购买选择，却被包装成了一次版本号更新，而其中只有一种，是弃用通知所假定你想要的。

1.3 添加了什么不是分数的内容？

max 推理级别是 1.3 版本中最具影响的变更，但它晚到了两天。在 9 月 2 日的发布中，Meta 提供了直到 xhigh 的所有努力级别，并将 max 暂缓发布，等待其所谓的额外安全测试，仅向有限的合作伙伴开放。9 月 4 日，该测试完成，max 在 Muse Code 中以及通过 Meta Model API 的 muse-spark-1.3 模型 id 上变为可选。其后果是，头条评分卡——GDPval-AA 上的 1,754、MRCR 上的 98.5——是在开发者最初两天无法调用的设置下得出的，而任何在发布当天编写的集成都可能仍然只能将推理努力枚举到 xhigh。在假定 max 会被接受之前，先检查你的路由支持什么。

Meta 还把 1.3 这个检查点卖了两遍，而区别并不在模型本身。muse-spark-1.3标注为“不用于改进我们的产品”，价格为 $1.25 / 缓存 $0.15 / $4.25。muse-spark-1.3-contributor标注为“用于改进我们的产品”，价格为 $0.10 / $0.002 / $0.20——输入大约便宜一个数量级，输出便宜二十多倍，代价是允许拿你的提示词和补全结果来训练。两者都提供相同的 100 万 token 上下文窗口。Contributor 描述的是你贡献了什么，而不是你能得到什么；它是一档附带数据条款的定价层级，而不是开放权重发布。

还有一个回归问题，不是用户发现的，而是 Meta 自己说明的。Muse Spark 1.3 对音频理解的支持并不完整，Meta 警告称，携带音频内容的请求可能会出现响应质量下降，并建议将音频类工作负载转向 Muse Spark 1.2。因此，在当前版本所属模型家族自己的模态行列中，它并非对每一种输入都是正确答案——这正是最新检查点反而无法胜任、而旧版检查点却能处理某种负载的情形。

你实际上可以调用哪个版本

值得把版本问题和可用性问题分开来看，因为二者的答案并不相同。三个带编号的 Muse Spark 版本都只有托管形式：Meta 未发布其中任何一款的权重、许可证或下载，而 Contributor 变体是享受折扣的托管层级，并非正式发布版本。该系列中的开放权重属于Muse Spark Open，即 Meta 于 2026 年 10 月 15 日发布的 816B 稀疏专家混合模型，以及Muse Glimmer，即 2026 年 8 月 10 日推出的 30B Apache 2.0 模型。二者都不是 Muse Spark 版本，也都无法替代其中任何一款。

我们自己的目录反映的是该系列中较旧的版本，我们宁愿直言这一点，也不愿让版本号暗示我们并未提供的覆盖范围。OrcaRouter 路由 Muse Spark 1.1 和 Muse Spark 1.2，两者均按 Meta 的标价、以 0% 加价透传，且都基于该系列 1,048,576 token 的窗口。Muse Spark 1.3 目前不在我们的目录中，Contributor 的两个变体也不在。这使得实际升级路径分为两步：1.2 是您现在可以路由到的版本，1.3 是 Meta 为新工作推荐的版本，而当它登陆某个我们路由的提供商时，变更会通过同一个密钥生效，而不是出现在您的集成代码中。

版本问题也是路由器在本系列中体现其价值的地方。三个检查点、一个供应商、一个端点、无需权重——整条线都通过由同一家公司运营的单一API运行，而这正是基于它构建的集中风险。将1.1和1.2路由到一个兼容OpenAI的端点后面，意味着失败的长上下文调用可以故障转移到另一个检查点，而不是让请求失败，而路由DSL让你可以通过配置在生产流量之间分配，因此你可以衡量1.2的速度对你来说是否比1.3的准确性更有价值——基于你自己的提示词，而不是基于别人的指数。这是唯一能为你的工作负载解决这个问题的版本比较。

答案，取决于你带着哪个问题而来。

如果你想了解 Muse Spark 和 Muse Spark 1.3 是否是不同模型：它们不是。1.3 就是这个名字现在所指的版本，Meta 将其标记为最新版，并推荐用于新工作。如果你想了解从上一版本升级能得到什么：大约 32 到 42 分的长上下文检索提升，在智能体计算机使用和长时程编码方面的大幅跃升，以及在每 token 价格不变的情况下输出速度降至三分之一。如果你想了解它的成本：价目表在三个版本间都没有变动，这表明 Meta 竞争的焦点是每美元能力，而不是单纯的价格。

这些数字都无法告诉你的是：你自己的负载究竟落在这笔交易中的哪一边；而诚实的立场是，厂商的弃用通知已经替你预设了答案。那个在同样价格下快三倍的版本，仍然是两者中目前唯一能通过路由器访问到的版本——这使它成为在 1.3 到来之前进行的一次异常廉价的实验。

数字无法告诉你的是，这一切在实际应用中是否已经出了问题：围绕这一类模型的有据可查的人工智能事故和智能体故障，都收录在OrcaRouter AI 事故档案中，其中每一条记录都附有各自的来源、严重程度、置信度等级和争议标记。