Muse Spark 1.3 Contributor 對比 Muse Spark 1.2：資料共享新秀 vs 上個月全價旗艦

如果貴團隊在 8 月份標準化採用 Muse Spark 1.2，那麼 9 月推出的 Muse Spark 1.3 Contributor 就帶來了一個尷尬的問題：你要將編碼代理遷移到最新的檢查點（每百萬個 token 輸入 $0.10、輸出 $0.20），還是繼續留在 Muse Spark 1.2——這個你已經整合、已經針對自家程式碼庫做過基準測試、且每百萬個 token 支付 $1.25 與 $4.25 的模型？尷尬之處在於，這並非真正的新舊比較。Muse Spark 1.3 Contributor 是全新 Muse Spark 1.3 檢查點的資料共享 SKU，它對比 Muse Spark 1.2 的價格優勢大多來自合約，而非權重：將你的 prompt 和 completion 經由它傳送，Meta 就有可能用它們來訓練模型。因此，這個決定拆成兩個很少被一起問的問題：對你的工作來說，1.3 檢查點是否真的比 1.2 有顯著改善？以及，你是否願意為了換取一份便宜約 20 倍的 token 帳單，接受資料條款加上 Contributor 層級的操作限制這個交易？

每一方實際上是什麼

Muse Spark 1.2 於 8 月 5 日與 Muse Code（Meta 的終端編碼代理）一同推出，成為該系列首個針對編碼調校的版本。它是一個封閉權重的多模態推理模型——支援文字、圖片、影片、音訊與 PDF 輸入，輸出文字——具備 1,048,576 個 token 的上下文視窗，以及 131,072 個 token 的輸出上限。標準形式定價為每百萬輸入 token 1.25 美元、快取輸入 token 0.15 美元、每百萬輸出 token 4.25 美元，且沒有授予 Meta 對您資料之權利的條款。它也是該系列中第三方平台實際會路由的版本，因為 Meta 隨之推出的 Contributor SKU 一直以來都是獨立列表，並附有其自身的條款。

Muse Spark 1.3 Contributor 與 Meta 於 9 月 2 日發布的 1.3 checkpoint 相同，並搭載 Contributor 合約：輸入每單位 $0.10、快取輸入每單位 $0.002、輸出每單位 $0.20，以換取訓練資料權利，且受更嚴格的要求速率限制。其餘一切——上下文窗口、輸入模態、輸出上限、封閉權重——皆與其標準版同級模型及先前的 1.2 世代共用。因此，本次比較中的兩個模型在兩個獨立軸向上有所不同：世代（1.2 與 1.3 權重）與等級（標準條款與 Contributor 條款）。而關鍵就在於將這兩個軸向分開處理。

計分板

• 版本 — Muse Spark 1.2：2026年8月5日。Muse Spark 1.3 Contributor：2026年9月2日。

• 上下文 / 輸出 — 相同：輸入 1,048,576 tokens，輸出 131,072 tokens。

• 輸入 — 完全相同：文字、圖片、影片、音訊、PDF；僅輸出文字。

• 價格：Muse Spark 1.2 標準版：輸入 $1.25，輸出 $4.25，快取 $0.15。Muse Spark 1.3 貢獻者版：輸入 $0.10，輸出 $0.20，快取 $0.002。

• 資料使用 — Muse Spark 1.2 標準版：無。Muse Spark 1.3 貢獻者版：提示與完成內容可能用於訓練 Meta 模型。

• 速率限制 — Muse Spark 1.2 標準版：每分鐘 3,000 次請求、400 萬個 tokens。貢獻者方案：每分鐘 60 次請求、210 萬個 tokens。

• 可用性 — Muse Spark 1.2 standard 是第三方路由平台上的家族成員；Muse Spark 1.3 Contributor 則位於 Meta 自家的 API 以及 Meta 已簽署該等級協定的平台上。

根據Meta的說法，新的檢查點改變了什麼

Meta 的發布資料宣稱，在定義編碼代理（coding agent）的基準測試上，1.3 比 1.2 有大幅進步。Terminal-Bench 2.1 的分數：1.3 為 88.8，對比 Meta 先前為 1.2 公布的 82.9；Meta 並指出，1.3 的成績與排行榜上最高分持平。在長時程倉儲基準測試 DeepSWE v1.1 上，1.3 得到 75.4，Meta 稱之為當前最佳。效率方面：Meta 工程師表示，在相同的工程工作流程上，1.3 的工具呼叫次數約減少 20%，token 用量約減少 25%；在成本比較上，這正是最關鍵、卻也最容易被忽略的數字。以上數據皆為廠商自行通報，截至 9 月 3 日尚無任何獨立複現結果；目前唯一的獨立基準是 1.2 本身——Artificial Analysis 在 Terminal-Bench 2.1 上測得約 80.1，並給予 Intelligence Index 57 的評級，略低於 Meta 自家為該模型宣稱的 82.9。這正好提醒我們：廠商自評與第三方測試框架之間通常存在落差。社群初期反應普遍懷疑 1.3 相較 1.2 的提升幅度有限；因此在斷定這次升級幅度很大之前，獨立複測是唯一最值得等待的結果。

合約是較大的變數

姑且假設「少用 25% token」的說法大致屬實，且 1.3 的能力至少與 1.2 相當。剩下的差異都屬於合約層面，而且利弊互見。Contributor 等級每分鐘 60 次請求的上限，比標準 SKU 的 3,000 次低了 50 倍——對互動式代理和單一工程師而言很夠用，但對執行平行評估、批次掃掠，或共用閘道以分發大量請求的團隊來說，就是實際的限制。Contributor 可用性的區域限制，也是在將它設為預設之前必須確認的另一項營運事實。此外，資料條款又疊加在兩者之上：凡是透過 Muse Spark 1.3 Contributor 傳送的儲存庫上下文、失敗的測試日誌和提示，都是 Meta 可能據以訓練的素材。對於獨立開發者，或沒有專有程式碼庫的新創公司來說，這往往是以 20 倍折扣換取而來、可接受的代價。對於在客戶保密協議（NDA）下交付程式碼的團隊，或是在打造本身即為護城河的產品的人而言，無論能省下多少，這項條款通常都會讓該選擇直接被排除。

每月算術

以數據來算：一個團隊每月執行 3,000 個代理任務，每個任務在 Muse Spark 1.2 上消耗 200,000 個輸入 token 的上下文，以及 40,000 個輸出 token，用於推理與工具呼叫。根據 1.2 的標準定價，每個任務成本為 $0.42——即 $1.25 × 0.2 加上 $4.25 × 0.04——每月約 $1,260。將相同的工作負載轉到 Muse Spark 1.3 Contributor，套用 Meta 宣稱的 25% token 減量後，每個任務的消耗降至 150,000 個輸入 token 與 30,000 個輸出 token：$0.10 × 0.15 加上 $0.20 × 0.03，每個任務約 $0.02，每月約 $63。這代表相同的邏輯工作負載，成本相差 20 倍；而這正是 Contributor SKU 在商業上的核心論點。相抵的因素不在於模型品質——這方面看起來相當甚至更好——而在於你的工作負載是否符合 Contributor 的費率範圍，以及你實際傳輸的內容能否接受其訓練資料條款。對某些團隊來說，全價的 Muse Spark 1.2 之所以仍是合理選擇，就只有這兩個理由。

老實說，要取得每一個的存取權限。

如今存在一個實際的不對稱。Muse Spark 1.2 standard 是此系列中第三方平台會路由的成員——在 OrcaRouter 上，它以 Meta 的定價上線：每百萬個 token 輸入 $1.25、輸出 $4.25，零加成、單一 API 金鑰、無最低用量，且在上游供應商壅塞時自動容錯移轉。Muse Spark 1.3 Contributor 尚未由我們路由；它位於 Meta 自家的 API 以及 Meta 為該等級簽約的平台上，這表示若團隊想要並排 A/B 測試兩個模型，目前需要為新模型準備一個 Meta 帳戶、為舊模型準備一把路由金鑰。這種分裂是市場本質下的暫時狀態——一旦某個已路由供應商加入 1.3 系列，其兩個 SKU 會在同一天以定價出現在 OrcaRouter 上，因為供應商費率是直接轉嫁而非加成。在那之前，評估 1.3 Contributor 最便宜且誠實的路徑是 Meta 自家的 API，而你手上已有的金鑰則是讓現有 1.2 整合持續運作的最省錢方式。

三個團隊，三個答案

這個決定可以清楚地分成三種情況。對於沒有專有程式碼、也沒有爆量吞吐需求的獨立開發者或早期團隊：現在就升級到 Muse Spark 1.3 Contributor——20 倍的節省是真的，而且資料條款對你幾乎沒什麼成本。對於在 NDA 下出貨的團隊，或是以程式碼庫本身作為產品的團隊：不要採用 Contributor 層級；正確的升級是採用標準條款的 Muse Spark 1.3，而在獨立基準測試確認 1.3 的飛躍之前，暫時留在 Muse Spark 1.2 也是站得住腳的。對於有高請求吞吐量或共用閘道的團隊：Contributor 的上限使它成為糟糕的預設選項，而任一世代的標準 SKU 才是實際可行的選擇。換句話說，「1.3 Contributor 還是 1.2」的答案很少關乎哪個模型比較好——兩個世代都很強。而在於這個折扣在碰上你的速率限制與資料政策之後，是否還能成立。