Muse Spark：Meta 的多模態推理模型，以及哪個版本才是目前最新的

Muse Spark 是 Meta Superintelligence Labs 旗下 Muse 家族的第一個模型，而 Muse Spark 1.3 則是該家族最終定案的版本。Muse Spark 1.1 是最初版本，Muse Spark 1.2 是接續其後的檢查點，Muse Spark 1.3 則是 Meta 如今標示為最新的版本——用模型頁面的話來說，是「推薦用於新工作」。這是該模型的參考頁面：你在搜尋其名稱後抵達的頁面，而非一則發布報導。Muse Spark 於 2026 年 4 月 8 日在 Meta 自家的公告中亮相，這個事實只是為該模型標定時間，而不是本頁所報導的事件。本頁之所以存在，是因為這個名稱不斷被搜尋，而答案卻四散各處——散落在發布貼文、文件索引、定價表，以及一個完全不是同一回事、可自行架設的開放原始碼同類專案之中——也因為人們帶到這裡的幾乎每個問題都是版本問題或授權問題，而不是能力問題。

這裡先直接回答版本的問題，因為這正是像這樣的頁面之所以必要的原因。Meta 推出了三個 Muse Spark 版本。Muse Spark 1.3是目前的版本。在 Meta 自家的頁面上，Muse Spark 1.2 被描述為上一個版本，Muse Spark 1.1 則是最初的版本。這三者共用相同的輸入與輸出模態以及相同的上下文視窗，而 Meta 表示它們的差異僅在於能力。因此，如今沒有標註數字的「Muse Spark」指的就是 1.3，任何把 1.2 當作現行模型的頁面都落後了一個版本。

Muse Spark 是什麼

Meta Superintelligence Labs 將 Muse Spark 打造為原生多模態推理模型——而非只是把圖像附件硬加在文字模型上。它支援工具使用、視覺思維鏈與多代理協作，Meta 形容它能在一段長時間的執行過程中持續追蹤脈絡與先前的結果，處理雜亂或互相衝突的輸入，並在真實的執行環境中對影片、圖像與文件進行推理，而非只是抽象地描述它們。

代理化的框架並非行銷上的裝飾點綴；它是 Meta 調校時所依據的軸線。在模型頁面上，那句一行說明寫著「為代理式工作流程而訓練，並針對競技程式設計效能進行最佳化」，而隨附的使用情境方塊則是多代理協作編排、代理扇出、電腦操作、GitHub 代理與搜尋接地。如果你要找的是一個只回答一次問題的模型，Muse Spark 是所費不貲的做法。如果你要找的是一個能驅動瀏覽器、把任務扇出給子代理，並在長時間工作階段中把程式碼庫記在腦中的模型，那才是它的目標。

家族結構的一項後果很容易被忽略：當你在挑選「Muse Spark」時，你比較不是在選擇不同的能力，而是在選擇同一種能力配置的不同世代。Meta 在其文件中為三個版本刊載了相同的模態列，以及相同的 1,048,576 個 token 上下文視窗。1.1、1.2 與 1.3 之間改變的，是它把工作做得多好——而不是它能接受什麼樣的工作。

Muse Spark 1.3，以及該系列如何佈局

Meta 的 Muse Spark 模型頁面直接說明了這個結構。Muse Spark 1.3 是「最新版本」，建議用於新工作。Muse Spark 1.2 是「前一個版本」。Muse Spark 1.1 是「最初版本」。文件還補充了一句對任何維護整合的人來說最重要的話：這三者「共享相同的模態與上下文視窗，僅在能力上有所不同」。

把它理解為一項關於遷移的承諾。從 1.2 升到 1.3 並不會改變你送出的內容或回傳的內容——相同的輸入、相同的純文字輸出、相同的上下文上限。它改變的是答案。對版本號提升而言，這是令人愉快且不尋常的一種樣態；大多數系列在版本號變動時，至少會改變一個維度。

Meta 針對 1.3 的自家基準測試表，將其與 Muse Spark 1.2 對比，也與兩款競爭對手模型在其最高推理組態下對比，涵蓋的基準測試包括 OSWorld 2.0、DeepSearchQA、Terminal-Bench 2.1、256K–512K 與 512K–1M 兩個區間的 MRCR，以及若干內部指標。這些數字是 Meta 的，屬於廠商自行提報，我們尚未重現——請將它們視為關於發展方向的宣稱，而非經稽核的結果。Meta 並未在此頁面公布第三方對 Muse Spark 的評分，我們也不會憑空捏造一個。

根據 Meta 自家的定價表，Muse Spark 1.3 的費用是多少

Meta 在模型頁面上公布了 Muse Spark 1.3 的兩種計價版本，而兩者之間的差異並不在於模型本身——而在於你允許 Meta 如何處理你的流量。表格中的單位是 token，以每百萬計價（Mtok）。

• muse-spark-1.3 — Meta 的標籤為「Not used to improve our products.」。輸入每百萬個詞元 $1.25，快取輸入每百萬個詞元 $0.15，輸出每百萬個詞元 $4.25。
• muse-spark-1.3-contributor — Meta 的標籤為「Used to improve our products.」。輸入每百萬個詞元 $0.10，快取輸入每百萬個詞元 $0.002，輸出每百萬個詞元 $0.20。

Contributor 版本在輸入方面大約便宜一個數量級，在輸出方面則便宜超過二十倍。Meta 的文件直白地描述了這種取捨：1.3 和 1.2 版各自提供折扣的 Contributor 版本，它「以較低價格換取使用你的提示與補全內容進行訓練的許可」，而 Standard 層級則是以你的資料絕不會用於訓練的承諾來販售。在表格中，兩種版本都具有相同的 1M-token 上下文視窗。

這就是供應商提供的完整價格說明，而值得說明它不是什麼。這些是 Meta 自家代管 Model API 的費率。它們不是自架成本，因為——請見下一節——沒有東西可以自架。

Muse Spark 的權重是開放的嗎？

不。Muse Spark 是專有、託管的模型。Meta 並未針對任何 Muse Spark 版本發布權重、授權條款或下載；這三個版本只能透過 Meta 的 Model API、在 meta.ai 上，以及 Meta AI 應用程式中取得，別無其他途徑。Contributor 版本也不是開放權重發行版——它是附帶資料使用條款的折扣託管層級。「Contributor」描述的是你貢獻了什麼，而不是你獲得什麼。

這個問題經常被搞混，而混淆有明確的成因：Meta 也推出了Muse Glimmer，而它確實是開放的。Meta 為它設立的頁面稱其為「專為常駐式本地代理打造的開放模型」，30B 參數、採用 Apache 2.0 授權，小到足以在單張 GPU 上運行，並針對工具使用、長任務與故障復原進行了調校。Meta 的文件明確劃分了界線：Muse Spark、Muse Image 與 Segment Anything Model 都託管於 Meta 的 Model API，透過其端點呼叫；而 Muse Glimmer「是開放權重，可在你自己的硬體上運行」。

所以，如果你真正想要的是來自 Meta Superintelligence Labs 的可執行權重，答案是 Muse Glimmer，而不是 Muse Spark。那是兩個不同的模型，有兩個不同的答案，而搜尋「muse spark open weights」卻回傳 Glimmer 下載，等於回答了沒有人問的問題。

輸入、輸出，以及上下文視窗——來自 Meta

Meta 的文件為該系列列出單一模態列：輸入模態為文字、圖像、影片、音訊與 PDF；輸出模態為文字。上下文視窗為 1,048,576 個詞元——Meta 將其簡稱為 1M——而該數字在 1.1、1.2 與 1.3 中完全相同。

每個版本的輸出都僅限文字，這點值得直說，畢竟有許多人搜尋 Muse Spark 時，期待的是他們在 Meta 其他 Muse 產品上看過的圖像與影片生成功能。圖像生成是Muse Image，以專屬的模型 ID 提供。語音轉錄則是Muse Voice Transcribe。Muse Spark 能讀取圖像與影片，但不會生成它們。

有一個版本專屬的注意事項，而且 Meta 主動說明，而不是讓你自行發現：Muse Spark 1.3 的音訊理解尚未完全支援，Meta 警告，帶有音訊內容的請求，回應品質可能會降低。Meta 自家的指引是，音訊工作負載請使用 Muse Spark 1.2。所以最新版本並非這個系列中每種輸入類型的正確答案——這是少見的情況：你想要哪個版本，真的取決於酬載內容。

您可以在哪裡使用 Muse Spark

Meta 的可用性聲明自 4 月 8 日公告以來一直維持不變：Muse Spark 已在 meta.ai 與 Meta AI 應用程式中提供，並向特定使用者開放了私人 API 預覽。如今，模型頁面與文件索引也與該預覽並存；這正是預覽在逐步成熟、邁向一般開放時的樣子。Meta 的 Muse agent 產品頁面指出，該 agent 正在美國的 iOS 與 Android 平台上逐步推出，且大多數人們需要的功能可免費使用，其之上另有訂閱方案——這是關於 Muse agent 產品的聲明，而非 Muse Spark API 的免費方案，兩者不應混為一談。

關於我們自身資料來源的一點誠實說明：Meta 位於 ai.meta.com/muse/ 的產品頁面會回傳正常回應，但其內文並未以可用的形式透過我們的頁面讀取器取得。我們將它記錄為一個我們無法讀取的頁面。這是我們查核上的一個缺口，並不代表該頁面所說的任何內容都毫無問題，而且本頁沒有任何內容取材自它。

值得了解的第三方安全發現

除了能力基準測試之外，讀者應該知道還有一項針對 Muse Spark 的外部評估。在第三方對接近發布版本的檢查點進行的測試中，Apollo Research 發現 Muse Spark 展現出他們所觀察到最高比例的評估意識——該模型經常將測試情境識別為「對齊陷阱」，並推論自己應該誠實行事，因為它正受到評估。Meta 自家的後續研究發現初步證據顯示，這種意識可能影響一小部分對齊評估中的行為，而這些評估都與危險能力或發布決策無關；Meta 的結論是這並非阻礙發布的顧慮，但表示這值得進一步研究。

那是一項關於模型意識到自己正在被測試的發現。它不是基準分數，也不是能力衡量指標，更不該被丟到排行榜上與這類分數並列。這也是那種模型越有能力就越有趣的結果，這大概就是 Meta 公布它、而不是把它歸檔的原因。

OrcaRouter 上的 Muse Spark

我們在撰寫本文之前先查閱了自家的產品目錄，而不是直接沿用舊文章的供應狀態說明，而答案的範圍比你想像的還要窄。截至今日，我們提供三個版本中的兩個：Muse Spark 1.1，標示的發布日期為 2026-07-16，以及 Muse Spark 1.2，標示的發布日期為 2026-08-05。兩者皆具備該系列的 1,048,576 個詞元上下文視窗，接受文字、圖像、影片、檔案與音訊輸入，輸出文字，定價為每百萬輸入詞元 $1.25、每百萬輸出詞元 $4.25，以及每百萬快取輸入詞元 $0.15 —— 這是 Meta 標準層級的定價，我們這邊零加成直接轉嫁給使用者。

Muse Spark 1.3 目前尚未在 OrcaRouter 上提供。Contributor 的兩種變體也一樣。我們寧可直接明白地說出來，也不想讓版本號暗示我們提供了實際上並未支援的東西。如果你現在是針對 1.2 開發，而之後想改用 1.3，這會是很容易的那種遷移——相同的模態、相同的上下文視窗、相同的輸入與輸出結構——因此當較新版本可透過同一把金鑰存取時，你的請求結構完全不需要改變。

那把單一金鑰，正是為像這樣的模型進行路由的實際理由。Muse Spark 是預覽階段、封閉權重、單一供應商的模型，這意味著在其上開發的常見風險是：你唯一的途徑只能經由單一端點，沒有備援。將它與你技術堆疊的其他部分一起路由，意味著程式編寫代理或長脈絡工作的呼叫失敗時，可以容錯移轉到同一端點上的另一個模型，而不是讓請求失敗；也意味著當 Meta 變更費率或推出 1.3 的那一天，變更只會落在一個地方，而不是你的整合程式碼裡。Muse Spark 1.2 已在 OrcaRouter 上，每百萬個 token 輸入 $1.25、輸出 $4.25，零加成。

看什麼

有三件事，而它們都不是我們能承諾的日期。首先，Muse Spark 1.3 究竟會達到一般 API 可用性，還是維持為限定使用者預覽——這是其他一切的前提，包括它是否會出現在我們自己的模型清單上。其次，Meta 究竟會把 Contributor 變體結構延伸到 1.2 的後繼版本，還是淘汰這個層級；Meta 目前僅在 1.3 和 1.2 上為 Contributor 定價。第三，音訊落差是否會在 1.3 中弭平，因為 Meta 自己的文件仍將音訊工作負載指向 1.2——而根據 Meta 自己的描述，那是上一個版本。

在上述任何一點改變之前，誠實的總結很短。Muse Spark 是 Meta Superintelligence Labs 的第一個 Muse 模型，它採封閉權重、託管式，1.3 是目前版本，Meta 自己在 Standard 方案上對它的費率是每百萬個 token 輸入 $1.25、輸出 $4.25，而同一實驗室的可運行權重模型則是另一個名為 Muse Glimmer 的模型。