Muse Spark 1.3：前沿性能背后的版本之谜

Meta发布最新AI模型，性能卓越但最佳版本暂未开放

Meta公司最新推出的AI模型Muse Spark 1.3在第三方基准测试中展现出超越前代的性能，但值得注意的是，其最佳成果来源于一个目前开发者尚无法全面使用的版本。

Meta联合创始人兼CEO马克·扎克伯格在社交媒体平台上表示：”Muse Spark 1.3即将推出，其前沿性能几乎低到难以计量”，他称这是Meta在编码和智能体工作领域”最大的飞跃”。

这一说法背后有实质内容支撑。Muse Spark 1.3相较于上个月发布的1.2版本取得了显著进步，特别是在长时间运行的智能体任务方面。目前开发者可以访问的版本也是独立模型排行榜顶端价格-性能比最强的模型之一。

当前可用版本表现优异但非标杆

Meta确实在其基础评估报告中披露了两种配置的结果，因此并非公司刻意隐藏可部署模型。然而，其发布材料中重点展示了max变体，而一些最高分也属于该配置。

例如，Meta报告max配置在GDPval-AA v2测试中得分为1,754 Elo，而xhigh为1,709；在OSWorld 2.0测试中，max得分为66.9，xhigh为57.2；在JobBench测试中，max得分为64.9，xhigh为61.2。

在某些测试中，差异可以忽略不计或相反：DeepSearchQA测试两者均为89.4分，而在Terminal-Bench 2.1测试中，xhigh得分为89.2，max为88.8。

第三方评测机构Artificial Analysis给Muse Spark 1.3 max的智能指数评分为62，而当前发布的xhigh版本得分为61。后者与GPT-5.6 Sol max、Grok 4.6 high和Claude Opus 5 high并列。但Anthropic仍占据排行榜首位：Claude Fable 5.1在max配置下达到66分，xhigh配置下为65分，而Claude Opus 5在两种配置下均为63分。

换言之，Muse Spark 1.3 xhigh确实属于前沿模型集群，但它并非当前设定前沿标准的模型。

这仍然与Muse Spark 1.2相比有显著变化。上月发布的1.2版本被证明是一个有竞争力的编码挑战者，但总体上仍落后于Anthropic的最佳模型。Muse Spark 1.2在Terminal-Bench 2.1测试中得分为82.9%，而Opus 5为86.7%，在Meta呈现的其他主要编码比较中也落后于Opus。

借助1.3版本，Meta不再仅仅是参与竞争，在多个编码和智能体评估中，它已经开始与OpenAI和Anthropic交替领先。

Meta表示，基础模型也变得更加易于操作。Muse Spark 1.3经过训练，能够在长线程中维护多个工作流，通过工具收集上下文，检测自身计划中的空白，必要时向用户寻求澄清，并在执行关键操作前进行确认。在Meta工程师的内部比较中，它在编码工作中使用的工具调用比1.2版本少约20%，使用的令牌少约25%。

对于支付数千或数百万次智能体循环的企业而言，这些行为改进可能比排行榜上的额外分数更重要。