Muse Spark 對決 Kimi K3.1：模型名稱裡的那一點，就是整件事的關鍵

兩個模型名稱，兩種不同的資訊缺口。Muse Spark 1.3是一款已出貨、經過實測、可呼叫的模型：Meta Superintelligence Labs 目前的檢查點，自 2026 年 9 月 2 日起全面可用，每百萬輸入詞元 1.25 美元、每百萬輸出 4.25 美元，在其最高推理設定下於 Artificial Analysis 的 Intelligence Index 拿下 48 分。Kimi K3.1根本不是一款模型。在該廠商自家的任何介面上，都沒有任何模型卡、權重儲存庫、價目表項目或 API 識別碼帶有這個號碼，而且自九月社群對一則已刪除預告的解讀指向它以來，情況一直如此。那個小數點真正指向的，是它所縮寫的那條產品線——Kimi K3，也就是該實驗室於 2026 年 7 月 16 日推出的 2.8 兆參數開放權重旗艦模型——現今即可呼叫，每百萬輸入詞元 3.00 美元、每百萬輸出 15.00 美元。因此，這個比較真正有用的版本，是 Muse Spark 1.3 對上 Kimi K3，而兩者之間的差距小到讓這個命名錯誤不再只是吹毛求疵，而是開始所費不貲。

這個點從何而來，又有什麼價值

Kimi K3.1 存在的最強訊號，同時也是最弱的一種證據：一則據稱出自 Kimi 官方帳號、於 2026 年 9 月 18 日星期五當天或前後發佈的貼文，發佈了一長串數字，隨後不久便將其刪除。這些數字是圓周率小數展開中去掉開頭 3.1 之後的部分——圓周率是 3.1415926535，而貼出的字串以 41592653 開頭——社群討論串幾乎一致地將其解讀為版本號。這是廠商端的產物，而且無法驗證，因為貼文已經不存在了。從中讀出「K3.1」是一種推論，而非 Moonshot 所做出的聲明。

四週過去，它仍沒有新增任何內容。爆料者先前所指的八月窗口來了又走，並未有任何發布。今夏早些時候，有些人將那個匿名競技場條目解讀為 Kimi K3.1；但就現有證據來看，那很可能不是 Kimi。這個故事最新的訊號是一項第三方猜測，指 Kimi K3.1 與兩個 Z.ai 模型編號會在同一週登場；這與其說是爆料，不如說是一個人對另一個人直覺的解讀，而它點名的那一週已幾乎結束，三者卻都未出現。Moonshot 的文件、定價頁面、Hugging Face 組織和部落格，全都用同一個名稱指同一個模型——Kimi K3——而且它們都沒有使用帶點的後綴。那個點是搜尋框的習慣，不是版本。

這一點在這裡之所以重要，原因和整齊與否毫無關係。讀者會輸入那個點，是因為他們已經讀過關於這個系列的某些內容，並為了它再回來。當他們來到一個建立在不存在模型上的比較時，就會拿 Muse Spark 1.3 去和一個推論相比。

現有的對戰組合：1.3 對上 K3

兩者都是旗艦級系統，具備百萬詞元上下文窗口與明列的多模態輸入規格，且都以長時程代理式工作為賣點——Meta 對 1.3 的說法是「為代理式工作流程訓練，並針對競技程式設計效能最佳化」，Moonshot 則將 K3 定位於「長時程程式設計與端到端知識工作」。兩者實測差距為四個指數點，而這正是其他欄位足以決定答案的差距範圍。

• 智慧指數 — Muse Spark 1.3 在最高努力下為 48，於 217 個中排名第 24，對上 Kimi K3 在最高努力下為 44，在該評測小組中排名第三。四分，兩邊都是 Artificial Analysis 自家託管的測量結果。

• 輸出速度 — Muse Spark 1.3 測得為每秒 121.9 個 token，是該排行榜上速度較快的旗艦之一；Kimi K3 測得為每秒 44 個 token，並被標記為明顯緩慢，實際吞吐量大約相差 2.8 倍。

• 每項完成的索引任務成本——Muse Spark 1.3 為 $1.60，Kimi K3 則為 $2.00。請注意，這與每符元比較的結果相反，原因是冗長度：Kimi K3 在整個索引執行期間產生了約 1.6 億個輸出符元，中位數為 1.3 億，而 Muse Spark 1.3 產生了約 1.7 億個，中位數為 8,700 萬。兩者經量測都算話多；Kimi K3 的每符元價格本來就比較高。

• 費率表——Muse Spark 1.3 為每百萬個 token 1.25 美元與 4.25 美元，Kimi K3 則為 3.00 美元與 15.00 美元。Kimi K3 提供 90% 的快取讀取折扣，因此在快取密集的多輪工作負載中，實際價差會急遽縮小；Moonshot 會另行計費快取寫入，且在一小時保留層級中，其費用比全新的輸入 token 更高。

• 上下文與輸出——兩者在上下文方面皆為 1,048,576 個詞元。Moonshot 在其費率表上公布了相同數字，因此兩者在雙方供應商都主打的這個維度上旗鼓相當。

• 取樣控制 — Kimi K3 將 temperature 固定在 1.0、top_p 固定在 0.95、n 固定為 1，並將兩個懲罰參數都設為 0；若傳入其他任何值就會回傳錯誤。深度是唯一的調節旋鈕，透過頂層的 reasoning_effort 欄位設定，可接受 low、high 或 max，預設為 max，且在對話中途更改會使前綴快取命中失效。Muse Spark 1.3 也提供 reasoning-effort 設定，而 Meta 的工具說明指出，無法關閉推理。實務上，K3 從工作中移除了一整類調校，只交給你一根槓桿；1.3 則讓一般取樣參數繼續發揮作用。

這項取捨的輪廓無須詮釋便清晰可辨。Muse Spark 1.3 更快、每完成一項任務的成本更低，而且在該指數上高出四點。Kimi K3 的立論並非建立於其中任何一項——而是建立於權重之上。

權重，以及每個模型位於授權界線的哪一側

這是決定許多團隊對戰組合的那一欄，而它的走向與計分板相反。Kimi K3 在 moonshotai/Kimi-K3 儲存庫中，依 Kimi K3 License 釋出開放權重，Moonshot 將其描述為三兆參數級別中首個開放模型：總參數達 2.8 兆，每個 token 啟用 1,040 億個參數，涵蓋 896 個路由專家，每個 token 觸發 16 個，外加 2 個共享專家，共 93 層，其中一層為稠密層。它從監督式微調階段起便以量化感知訓練發布，權重為 MXFP4、啟用值為 MXFP8，這是 Moonshot 主張其可廣泛相容於硬體的理由。那段文字中的一切皆為廠商所述，未經獨立重現，而這個區別值得保留，因為 Moonshot 既是訓練該模型的一方，也是回報其得分的一方。

Muse Spark 1.3 完全沒有這些。它是一個已提供服務的檢查點，而 Meta 於 2026 年 10 月 15 日發布的 Muse Spark Open 權重，則是另一個模型，分數也不同——在同一個索引上，其 xhigh 設定下的分數為 39，在 118 個參數超過 1,500 億的開放權重項目中排名第九。因此，關於權重立場的誠實說法並不是「Meta 開放了 Muse Spark」，而是 Meta 現在在封閉產品線旁發布了一項開放成品；而如果你是因為開放權重才來到這裡，本頁的 K3 那一邊會為比較中的模型提供它們，Meta 那一邊則不會。

OrcaRouter 在其中所處的位置

Kimi K3 已在 OrcaRouter 的目錄中，採用 Moonshot 公布的費率——每百萬輸入 token 為 $3.00、每百萬輸出為 $15.00，且頁面上載明該模型的 1M token 上下文——並以與以下相同的金鑰進行路由：Muse Spark 1.2 和 Muse Spark 1.1，這是我們以 Meta 定價 $1.25 與 $4.25、0% 加價所提供的兩個 Muse Spark 檢查點，因為供應商的定價是直接傳遞而非加價。這個組合是解決四點指標問題的便宜方式，而這個問題沒有任何計分板能針對你的流量回答：路由 DSL會依規則拆分請求，因此你可以把延遲敏感的路徑送到較快的模型，並把批次路徑送到你想標準化其權重的模型；而單一端點背後的自動容錯移轉，能讓兩者都不致成為對單一供應商的押注。Muse Spark 1.3 本身並不在目錄中——所服務的檢查點是 1.2 與 1.1——而上述引用的基準測試是 1.3 的，因此路由比較與實測比較並不是同一對模型。在圍繞這點規劃之前，這個落差值得了解。

一個背後沒有產品支撐的名字，該如何處理？

如果你是因為一則關於 Kimi K3.1 的連結而來到這裡，正確的下一步並不是去比較任何東西——而是要決定你實際上正在哪一款已出貨的模型之間做選擇。與 Kimi K3 相比，Muse Spark 1.3 在指標、速度與每完成一項任務的成本上勝出，但在權重以及隨之而來的授權自由度上落敗。與更廣泛的 Kimi 產品線相比，較小的 K2.6 與 K2.7 Code 模型完全屬於不同的價格等級，對於任何不需要三兆參數的用途來說，它們才是正確的比較對象。這頁上沒有任何內容是等待一個帶點後綴的理由：就目前的紀錄來看，它背後沒有模型卡、沒有日期，也沒有端點，而任何人唯一確切知道的事，就是那則指向它的貼文已被刪除。

可能改變這個局面的條件其實很有限。Moonshot 發布 K3.1 的模型卡或價目表中的一列，這就會變成真正的雙模型頁面，多了第二欄實測數字。Artificial Analysis 新增 K3.1 的條目，這四點差距就可測試，而非靠推論而來。或者 Meta 把 Muse Spark 產品線重新指向 1.4 檢查點，這會因為與 Moonshot 無關的原因而改變 Meta 那一邊。至少在上述其中一項成真之前，這場對決的事實版本是 Muse Spark 1.3 對上 Kimi K3，兩者相隔四點的實測智慧差距、約 2.8 倍的吞吐量，以及一道授權界線——而那個小數點只是搜尋詞，不是產品。

這一切都不是避開該模型的理由，而只是了解其歷史的理由：這一類模型背後有文獻記載的 AI 事件與代理失效，都收錄於 OrcaRouter AI Incident Archive，其中每一則條目都附有自己的來源、嚴重程度、信心等級與爭議標記。