Muse Spark 1.3
Muse Spark 1.3 是 Meta Superintelligence Labs 于 2026 年 9 月 2 日发布的专有智能体与编程模型。Meta 通过 Muse Code 和 Meta Model API 提供该模型，并将本次更新定位于长周期任务、更强的指令保持、多任务处理以及更高效的编程智能体执行。
主要特性
- 长周期智能体工作：能够借助工具积累上下文、识别计划中的缺口、保留已获得的信息，并在长时间工作流中完成开放式目标。
- 协作式控制：当指令存在歧义时会主动澄清，遇到阻塞时请求帮助，并在执行可能产生重要影响的操作前进行确认。
- 多工作流跟踪：在长期、被打断或混合用途的会话中，能够更准确地将新提示对应到相关任务，同时保留此前要求。
- 编程效率：根据 Meta 工程师进行的对比，模型相较 Muse Spark 1.2 减少约 20% 的工具调用和 25% 的 Token 消耗，同时生成更简洁的代码。
- 改进安全判断：Meta 表示该模型对提示词注入的抵抗能力更强，并能在智能体工作流中更谨慎地判断不可逆操作。
适用场景
- 长时间运行的编程智能体：适用于需要反复调用工具和持续遵循指令的功能开发、调试及代码库分析等工程任务。
- 复杂交付工作流：基于多个文件及可能存在冲突的来源制作报告、演示文稿、分析或其他交付内容。
- 研究与自动化智能体：适用于需要自主收集上下文、调整计划，并结合浏览或业务自动化工具的工作流。
- 多任务协作：适用于用户会打断、调整或恢复多个相关工作流的长期助手会话。
能力与限制
| 能力 | 说明 |
|---|
| 推理 | 1.3 发布时保留了此前可用的推理模式。Meta 表示 max 推理将在完成进一步安全测试后提供，公开公告未列出其他 API 模式名称。 |
| 编程 | 针对长周期编程任务训练。Meta 的内部工程对比显示，其工具调用次数比 Muse Spark 1.2 约少 20%，Token 消耗约少 25%。 |
| 智能体工作流 | 使用工具收集上下文、调整计划、记录长任务中的学习结果、主动澄清问题，并在执行重要操作前进行确认。 |
| 多模态 | Meta 的发布演示涵盖涉及文档、电子表格、CAD 数据、音频和演示文稿的工作流。 |
| 上下文窗口 | 1M Tokens。 |
| 最大输出 | 131,000 Tokens。 |
已知限制
- Meta 发布的 Muse Spark 1.3 评测使用了
max 推理，但该模式在发布时尚未向 API 用户开放；Meta 表示将在完成额外安全测试后提供。 - 改进的自我判断和安全校准不能保证输出始终正确，也不能保证自主执行始终安全；涉及重要后果的操作仍应设置人工审批环节。
| 模型 | 输入（Credits/Token） | 缓存写入（Credits/Token） | 缓存读取（Credits/Token） | 输出（Credits/Token） |
|---|
| Muse Spark 1.3 | 1.25 | 1.25 | 0.15 | 4.25 |