Muse Spark 1.3 Contributor vs Muse Spark 1.3：同一模型，21倍的價格差距，以及一筆非常大的交易

Muse Spark 1.3 與 Muse Spark 1.3 Contributor 之間在模型上完全沒有任何差異——這兩個名稱指向同一個檢查點、同一組權重、同一個 1,048,576 token 的上下文視窗，以及 Meta 在發表時公布的相同成績：Terminal-Bench 2.1 的 88.8 分與 DeepSWE v1.1 的 75.4 分。將兩者區分開來的是一份合約。Muse Spark 1.3 Contributor 每一百萬輸入 token 收費 0.10 美元，每一百萬輸出 token 收費 0.20 美元；一般版 Muse Spark 1.3 則分別收費 1.25 美元與 4.25 美元。輸出價格之間 21 倍的差距，並不是 Meta 免費送出的折扣——那是一項資料權利的代價。若你透過 Contributor SKU 傳送提示詞與輸出內容，Meta 就可能用它來訓練自家模型；若你走一般 SKU，它就不會這麼做。兩個方案之間的其他所有差異——速率限制、區域供應狀況、由哪些平台提供——全都源自這一個條款。如果你正在權衡，是否要在一個你已決定使用全價方案的模型上選擇便宜路線，那麼這份比較就是你該讀的內容。

非比較優先

由於檢查點（checkpoint）完全相同，模型對戰中你通常會比較的所有項目都是平手，可以很快擱置。同樣的上下文視窗、同樣的多模態輸入（文字、圖像、影片、音訊、PDF）、同樣的 131,072 個 token 輸出上限、同樣的封閉權重、同樣的推理模式——包括 Meta 因安全測試而尚未在兩種 SKU 上開放的「最大推理」（max reasoning）變體。任何聲稱能區分 Muse Spark 1.3 Contributor 與 Muse Spark 1.3 的基準測試，測到的都只是雜訊，不是模型本身的差異。這種崩解正是本文的重點：當權重維持不變時，唯一真正需要抉擇的面向，只有價格、資料權利，以及每個等級周邊的營運範圍。

• 價格 — 標準：輸入 $1.25、輸出 $4.25、快取輸入 $0.15。貢獻者：輸入 $0.10、輸出 $0.20、快取輸入 $0.002。

• 資料使用 — 標準：無。貢獻者：提示與生成內容可能被用於訓練 Meta 的模型。

• 請求速率 — 標準：每分鐘 3,000 次請求及 4M 個 token；貢獻者：每分鐘 60 次請求及 2.1M 個 token（依 Meta 隨 August 1.2 Contributor SKU 發布的計畫條款）。

• 區域標準版：廣泛可用。貢獻者版：僅限部分區域，且無論如何皆需付款方式。

• Grounding 附加功能 — 兩個層級皆為每 1,000 次查詢 $2.50；折扣不適用於檢索。

• 各版本銷售地點 — 標準版與 Contributor 版皆在 Meta Model API 上運行；Contributor 層級另透過 Meta 已簽約的平台發布。

需謹慎看待的數字，是 Meta 自家的發布評分——這些數據沒有一項經獨立重現，而該系列唯一能參考的獨立依據，仍舊是上一代：Artificial Analysis 將 Muse Spark 1.2 的 Intelligence Index 評為 57，實測 Terminal-Bench 2.1 得分接近 80.1。無論 1.3 checkpoint 日後得到什麼樣的獨立評價，都將同時適用於兩個 SKU，因為這兩個名稱實際上指向同一個模型。

21倍的差距為Meta帶來了什麼

以接近成本的價格銷售編碼模型，對一家公司來說是件奇怪的事，除非真正的產品是別的東西。Meta 的 AI 主管 Alexandr Wang 形容此定價「激進」，並表示已有「可觀的雙位數百分比」的開發者選擇了隨 Muse Spark 1.2 推出的 Contributor 方案——這就是破綻所在。Contributor 是一個附帶 API 的資料收集計畫。前沿模型的訓練所依賴的正是編碼代理產生的那類訊號：真實的儲存庫、真實的失敗測試、真實的多步驟工具使用，以及記錄了哪些做法有效、哪些無效的真實序列。此類資料稀缺、生產成本高昂，而且——對於一家宣稱其抱負是打造全天候代表使用者行動的個人代理的公司而言——直接位於關鍵路徑上。Meta 以接近成本的價格為 Contributor SKU 定價，便將每個採用它的開發者都變成一個付費換取特權的訓練資料供應者。「可觀的雙位數百分比」的採用率顯示這項策略正在奏效：有足夠多的開發者更看重 21 倍的節省，勝過看重自己提示詞的專屬權利。

三種貨幣計價下，它會花費你多少錢

standard 與 Contributor 之間的抉擇，最好以三項獨立成本來分別評估，因為各團隊對其重視程度差異甚大。

第一種貨幣是資料。透過 Contributor SKU，你的代理程式所傳送的一切，都會成為 Meta 訓練管線的取用素材：被拉進上下文的儲存庫內容、你 diff 中的程式碼，以及你的代理程式反覆迭代的測試輸出。對獨立開發者或新創公司而言，如果優勢在於速度而非保密，這通常很容易點頭同意。但對任何處理受 NDA 規範的客戶程式碼、受監管資料，或本身即是競爭護城河的程式碼庫的人來說，這通常是斷然拒絕——所省下的成本根本無法彌補這種曝險。

第二種貨幣是吞吐量餘裕。Contributor 層級的每分鐘 60 次請求與每分鐘 210 萬個 token 的上限，比標準 SKU 的請求限制低 50 倍。供少數工程師使用的互動式代理通常幾乎不會察覺到差異。但一個團隊若執行平行評測掃描、大型批次遷移，或共用內部閘道，幾乎會立刻觸及上限——而當代理式工作負載在任務中途遭到速率限制時，這個「廉價」層級便開始消耗工程師時間，而非 token。

第三種貨幣是營運簡便性。Contributor 的可用性受到地區限制，因此分散於全球各地的團隊可能會發現，在他們工作負載執行的地區，這個低價方案根本無法使用。而且由於 Contributor 的產品列表是透過與標準 SKU 不同的平台組合發布，團隊最終可能得為邏輯上同屬一個模型的東西維護兩套整合——而這正是路由層存在所要消除的分裂。

當便宜的SKU是正確的選擇

當以下三個條件同時成立時，才選擇 Contributor 方案：{{1}}您的工作負載不涉及機密、落在每分鐘 60 次請求的額度內，而且您對 token 成本夠敏感——21 倍的輸出折扣足以改變您所打造的內容。{{/1}}{{2}}最後這個條件比聽起來更常見。{{/2}}{{3}}高流量、非敏感的工作負載——針對公開函式庫產生測試、撰寫文件、審查開放儲存庫的程式碼、為評測集合成資料——都能以 Contributor SKU 執行，而 token 帳單低到幾乎可以忽略不計。{{/3}}{{4}}這改變了「讓代理程式不斷重試到成功」的成本效益結構。{{/4}}{{5}}對正在燒錢的新創公司，或代理程式帳單開始趕上咖啡預算的獨立開發者而言，{{/5}}{{6}}Contributor 能把按量計費的成本變成一個可以略過的零頭。{{/6}}

何時支付全額 $4.25

當資料條款具排除性、當你需要突發吞吐量，或當你希望以客戶或合規審查所能接受的條款取得模型時，請按標準費率付費。還有一個較不為人知的原因：標準 SKU 才是能四處流通的版本。第三方路由平台目前為該系列上一代產品所列出的項目正是它，而它的條款也是多數企業無需法律審查即可簽署的。如果你的組織瓶頸在於採購或資安審查，而非 token 數量，那麼全價 SKU 並非昂貴的選項——它是唯一能通過門檻的選項。

為什麼這也是一個路由問題

對大多數團隊來說，這兩個 SKU 不會從同一扇門進來。Muse Spark 1.3 和 Muse Spark 1.3 Contributor 都已上線於 Meta Model API，但該系列目前在第三方平台上可路由的成員，仍是上一代的 Muse Spark 1.2，透過 OrcaRouter 以 Meta 定價提供，且 0% 加價——這點之所以重要，是因為路由層的整個意義就在於：供應商的定價結構不應決定你的整合拓撲。當某個路由供應商加入 1.3 系列時，OrcaRouter 會在當天以供應商價格列出這兩個 SKU，不加價直接轉傳，因此團隊可以透過一個金鑰呼叫 standard 與 Contributor，讓自動故障轉移在兩者之間選擇——用 Contributor 處理符合其適用範圍的工作負載，用 standard 處理其餘一切，無需維護兩個廠商帳戶。在那之前，務實的路徑是：對於任一個 1.3 SKU 使用 Meta 的 API，而對於你可能已在執行的 1.2 standard 工作負載，則使用路由金鑰。你所選擇的定價結構，不應迫使你去維護那樣的整合結構。

哪個SKU是您的？

兩種 SKU 的結構才是 Meta 在 9 月 2 日真正出貨的產品——同一個模型，以兩種合約形式銷售：一種按資料計價，另一種按控制計價。沿著上述三種貨幣來決定，答案通常很快。敏感程式碼、突發流量或合規關卡：Muse Spark 1.3 standard，毫不猶豫。非機密工作負載、中等吞吐量、以及你真的會盯著的帳單：Muse Spark 1.3 Contributor 是當今程式編寫領域最划算的 token 優惠之一，因為它背後的模型，正是 Meta 對每個輸出 token 收取 4.25 美元的那個。陷阱只在於你忘了這項折扣是種交換，而把資料權利的決策當成定價決策來處理。