Muse Spark 1.3 Max 推理已正式上線：締造 Meta 最高分的幕後設定現已全面開放給所有人

Muse Spark 1.3 —— Meta Superintelligence Labs 於 9 月 2 日發布的前沿推理模型 —— 剛獲得了其自身排行榜所依據的模式。9 月 4 日，經過兩天的額外安全測試後，Meta 在 Meta Model API 及其終端編碼代理 Muse Code 中，向開發者開放了該模型最耗費算力的「max」推理設定。首席 AI 長 Alexandr Wang 在 X 上宣布了這項推出，公司帳號 @AIatMeta 也予以確認；這項在發布時僅限 Meta 內部及合作夥伴預覽的配置，如今已成為任何開發者皆可選擇的推理等級。

這個順序之所以重要，是因為在 Muse Spark 1.3 發布報導中占主導地位的幾個數字——DeepSWE v1.1 上的 75.4、OSWorld 2.0 上的 66.9、GDPval-AA v2 上的 1,754——都來自 max 配置；而開發者實際可以呼叫的模型，出廠時的推理努力上限則設為「xhigh」。Meta 在發布時明確表示，max 仍在進行安全測試，但這種落差使得頭條成績榜與實際可呼叫的模型，在兩天內是兩回事。週四釋出的更新消除了這個差距，而且並未調整每個 token 的價格。該清單中的基準數據是 Meta 自家提供的，尚未有獨立測試框架複現；本文中所有廠商回報的數據皆已標示為如此。

被隱瞞的是什麼——以及9月4日發生了什麼變化

自該系列的付費API上線以來，Muse Spark 1.3的推理階梯一直保持相同的形態：推理始終開啟，且Meta Model API上的模型努力參數分為minimal、low、medium、high和xhigh，隨著等級提高，模型會花費更多輸出預算在思考上。Max位於xhigh之上——更多的算力、更多的推理token，而依Meta的說法，在長程代理型工作上表現顯著更強。在9月2日的發布中，Meta將最高到xhigh的所有等級都上線了，但將max保留在公開API之外，理由是所謂的額外安全測試，僅與有限的一組合作夥伴分享——足以供獨立評測運行，卻不足以支撐生產工作負載。

9月4日，王表示測試已完成。Max現在是Muse Code中的可選設定——安裝指令碼位於dev.meta.ai/install.sh——也可透過Meta Model API在muse-spark-1.3模型ID上使用，其effort參數現在接受max。王把這兩天的時間差形容為Meta在「組態層級」把關存取的做法，並向Axios表示，Meta至今無須因安全疑慮而暫停更廣泛的工作。這個時間窗口雖短，但確實是個真正的先例：Meta如今願意在立即推出檢查點其餘內容的同時，將特定推理模式留待安全審查後再釋出。

對於透過閘道器而非 Meta 自家端點呼叫模型的任何人，有一個實際注意事項：多個第三方說明文件頁面與彙總清單是在發布當天撰寫的，至今仍只將推理強度列舉到 xhigh。最大值是 Meta 端的逐步推出，因此在假設 max 可達之前，請先確認你呼叫的路由是否已更新其參數介面——一個在 9 月 2 日驗證其可接受值的代理，可能會持續拒絕「max」，直到其維護者追上進度為止。

「Max 實際上能帶來什麼——以及它在哪些情況下幫不上忙」

Meta 週四發布的材料中，對其運行的基準測試做了明確的 max 對比 xhigh 區分，而這是該公司迄今為止針對這款模型所發布最具參考價值的資訊。所有數據皆為供應商自行回報，產出於 Meta 自家的 Muse Code 測試框架內；Meta 也表示，其與 Claude Opus 5 和 GPT-5.6 Sol 的比較，是在那些競爭對手自身的最大設定下進行的「盡力而為」測試，「可能無法反映供應商最佳化後的效能」。在上述但書之下，這種區分仍然清楚說明了方向性趨勢：

• OSWorld 2.0（電腦使用代理任務）— max 下為 66.9，xhigh 下為 57.2

• GDPval-AA v2（知識工作智能體 Elo）— max 為 1,754，xhigh 為 1,709

• JobBench（長期專業任務）— 在 max 下為 64.9，在 xhigh 下為 61.2

• DeepSearchQA — 以89.4並列

• Terminal-Bench 2.1（終端代理編碼）— xhigh 下為 89.2，max 下為 88.8；這是唯一一個 9月2日發布的配置勝出的測試套件。

這個模式值得仔細解讀。Max 在任務屬於長時間的代理循環時最有幫助——操作電腦、處理知識工作簡報、像 JobBench 那樣維持子任務的排程。在單回合的終端基準測試上，它沒有任何增益，反而花費了一點成本：Terminal-Bench 提醒我們，「更多推理」並非單調遞增的升級，也因此應該在自己的工作負載上將 max 與 xhigh 進行 A/B 測試，而不是假設較高的設定在所有地方都更好。Meta 也指出，DeepSWE v1.1 的 75.4 成績——發布首日的頭條數字，高於 Meta 六週前為 Muse Spark 1.2 所報告的 59.3——是 max 配置下的數值。這是獨立評估者會最先重新驗證的數字。

獨立閱讀開始趕上進度了

發佈時所欠缺的正是獨立評測，而這個缺口正以一個恰好與 max 推出時程吻合的節奏在縮小。Artificial Analysis 的 Coding Agent Index——它在每個模型原生的 coding-agent 測試框架中進行評分，並混合 DeepSWE、Terminal-Bench 與 SWE-Atlas 任務——本週將 Muse Code 測試框架中的 Muse Spark 1.3 (max) 評為 68 分，在排行榜上位居第二，僅次於 Claude Code 中的 Claude Opus 5 (xhigh)，並領先 67 分的 Claude Fable 5 (max) 與 65 分的 GPT-5.6 Sol (max)。同一排行榜也在同一個 Muse Code 測試框架中，將已出貨的 xhigh 配置評為 64 分；這是在獨立任務集上迄今最乾淨的對等比較，顯示 max 所增加的約四個指數點。該榜單資料發布時，max 仍處於合作夥伴預覽階段；它所描述的配置，正是於 9 月 4 日正式全面推出的那個配置。

Artificial Analysis 自推出以來也已更新了其針對 max 配置的模型卡。在預覽期間，該卡片未列出提供者與價格；現行卡片則列出 Meta，標準價格為每百萬輸入代幣 $1.25、每百萬輸出代幣 $4.25，與 Muse Spark 1.2 的定價相同，並增加了一個冗長度注意事項：AA 的評估運行消耗了約 1.3 億個代幣，而中位數為 7,900 萬，總成本約 $1,335，根據 AA 的每任務估算，每個任務約 $0.95，輸出速度約為每秒 190 個代幣。

早前報道中的一個數字值得做版本核查。Artificial Analysis 本週將其 Intelligence Index 更新至 v4.2——正是 max 出貨的那一週——重新為各方評分，並調整了中位數。在目前的分數表上，max 配置顯示為 53，而同類模型的中位數為 29；發佈週報道中流傳的 62 是按舊版指數測量的，兩者不可比較。Meta 自己上述的 xhigh 對比 max 的分流與 AA 的指數無關，亦不受這次更新影響。

max 的費用是多少——帳單是算在代幣上的，不是算在價目表上的

Meta 未針對最高配置單獨定價，也未提供專屬的延遲分析。每個 token 的價格與 Muse Spark 1.2 相同，也與 Muse Spark 1.3 上所有其他努力等級相同：標準層級每百萬輸入 token 收費 1.25 美元、每百萬輸出 token 收費 4.25 美元，而快取輸入每百萬收費 0.15 美元。推理 token 以輸出 token 計費，並計入輸出預算，因此選擇最高配置並非明細上的漲價，而是承諾在回答前動用更多這份預算來思考。

這使得真正的成本問題在於 token 用量，而早期數據顯示，xhigh 表現精簡的地方，恰好正是 max 花費高昂之處。AA 的儀表化執行在一次配置評估中就耗用了約 1.3 億個 token。對於已在 xhigh 上執行長時間 agentic 迴圈的開發者而言，真正要緊的 A/B 測試不是「max 是否通過更多任務」，而是「max 是否通過足夠多的額外任務，讓同一工作負載上顯著提高的 token 帳單物有所值。」

Meta 的貢獻者方案（Contributor tier）——每百萬個 token 輸入 $0.10、輸出 $0.20，條件是讓 Meta 使用你的提示詞與完成內容進行訓練——適用於同一個檢查點，而 Meta 表示有意義的雙位數百分比開發者選擇此方案。貢獻者的條款使每一筆提交都成為訓練資料，且速率限制相當嚴格，因此作為生產環境扇出的預設選項並不理想；但若資料交換對你而言可以接受，這是在低成本下運行昂貴 max 實驗的合法途徑。

這一切的定價基準很容易查證，不必只聽 Meta 一面之詞，因為 Muse Spark 1.3 檢查點的定價，與 OrcaRouter 上已列出的 Meta 自己的官方定價相同：Muse Spark 1.2 在 OrcaRouter 上的價格為每百萬 tokens 輸入 $1.25、輸出 $4.25，且完全不加價，因此「價格不變」的說法，可以用一個實際列出這些數字的即時頁面來驗證。Muse Spark 1.3 本身尚未上架 OrcaRouter。當我們所引進的供應商開始以 max 來提供此模型時，Meta 官方定價會直接穿透至我們這端顯示的價格——我們不會對供應商價格加價——而 Meta 身為供應商若有任何降價，也會在發布當天生效。以這次發布來說，值得關注的經濟效益在於 token 用量，而非表面的標價；正是這種穿透機制，讓您實際被收取的金額，與 Meta 公布的數字保持一致。

誰應該切換到 max？

這個決定乾淨俐落地一分為二：

• 針對長時程代理型工作負載進行切換——電腦使用、知識工作簡報、Muse Code 中的多步驟工具迴圈——Meta 自己的分割與 AA 的編碼代理排行榜都顯示最大的增益。先在真實任務樣本上與 xhigh 進行 A/B 測試，因為冗長問題確實存在。

• 對於高流量、延遲敏感或短暫的單回合呼叫，請維持使用 xhigh，因為在這些情況下，max 主要只是增加 token。Terminal-Bench 證明了它並不總是能提升能力。

• 從這裡觀察三件事：祖克柏承諾但尚未訂定日期的開放權重（open-weights）發布；未來幾週內 Muse Spark 1.3 向 Instagram、Facebook 與 Meta AI 的消費者端推出；以及 Artificial Analysis 的編寫代理（coding-agent）排行榜是否會在該配置正式全面開放後，開始為「max」那一行定價。

為期兩天的門禁時間證明很短暫，但它點出了一個比這次推出本身更長久的重點：Meta 最強的 Muse Spark 1.3 數字從來不是海市蜃樓——它們只是在等待安全審查。截至 9 月 4 日，開發者可以呼叫的模型與排行榜上的模型終於是同一款模型。無論「max」是否值得它消耗的 token，如今都是一個任何開發者都能實證回答的問題——無論是透過 Meta 的 API，還是透過他們原本就用來連上 Muse Spark 系列的任何途徑。