Muse Spark 1.3实测：Meta四个月第四发，省25% Token的Agent模型能打几分

2026年9月2日，Meta Superintelligence Labs放出新模型Muse Spark 1.3。这是该系列四个月内的第四个版本。定位清晰：给长时间运行的智能体工作流和编程任务用。

Meta这次没有吹参数规模，也没有卷排行榜总分。官方公布的三个核心变化都指向一个方向——让Agent更省、更稳、更懂分寸。

三个值得注意的官方数据

官方口径的改进集中在三点。

第一，模型学会了在指令模糊时主动反问。执行不可逆操作之前，它会先向用户确认。卡住的时候，它会求助。听起来简单，对Agent落地却是硬指标。

第二，效率数据亮眼。对比1.2版本，Muse Spark 1.3在内部评测中少用约20%的工具调用，Token消耗减少约25%。任务规划、上下文利用、执行路径，三条线都在省。

第三，长上下文检索基准MRCR两个区间分别拿到98.5和98.1分。上下文窗口1M Token，API价格为主模型每百万Token输入1.25美元、缓存输入0.15美元、输出4.25美元。

这个价格什么水平？横向对比，GPT-6 Astra百万Token定价10美元，Gemini 3.8 Flash走低价路线。Muse Spark 1.3卡在中间，靠Token用量下降摊薄实际成本。

第三方汇总的评测结果如下。

DeepSWE（编程智能体基准）得分75.40，排名1/35。Terminal-Bench 2.1（终端任务）得分88.80，排名2/49。SimpleBench得分81.80，排名4/92。

对手是谁？DeepSWE上，Muse Spark 1.3的75.4高于GPT-5.6 Sol的73.0，也高于Opus 5的74.0。

Meta自己跑了9项智能体测试，拿下5项第一，全部进入前二。唯一没进前二的项是Agent IF Index，得分57.8，排第三，落后于GPT-5.6 Sol和Opus 5。

OSWorld 2.0（计算机操作）上，max档66.9，xhigh档57.2。对比GPT-6 Astra在OSWorld的72.6%，Muse Spark 1.3还有差距。

结论很清楚：终端任务和编程是强项，通用智能体能力还差一口气。

为什么20%工具调用减少和25% Token节省重要？

跑过长任务的人都懂。Agent干活的成本大头不在单次推理，在循环。一个复杂编程任务跑几十轮，每轮都要调用工具、读取上下文。Token账单滚雪球一样涨。

Meta工程师的逻辑是：模型效率高一点，实际使用成本就降一截。省25%的Token，等于变相打七五折。对重度Agent用户，这比API牌价下降更实在。

看两条同期新闻，能更好理解Meta的处境。

一条是SpaceX在6月16日宣布以600亿美元全股票收购Cursor开发商Anysphere。马斯克把AI编程第一名工具直接纳入SpaceX/xAI体系。AI编程赛道的入口争夺已经白热化。

另一条是OpenAI和Anthropic的Agent模型节奏。GPT-6 Astra在OSWorld登顶，Opus 5在DeepSWE紧咬。Meta在四个月里发了四个版本，明显在用迭代速度换市场。

Muse Spark 1.3在全球模型榜单排到第六。编码能力超过GPT-5.6 Sol，整体依然没追上OpenAI和Anthropic。这个判断来自第三方，比较客观。

三类用户值得关注。

写代码为主的开发者。DeepSWE第一、终端任务第二，编程场景是它的主场。1M上下文塞下一个大型项目没问题。

跑批量Agent任务的团队。Token省25%，规模化部署后是笔可观的账。缓存输入0.15美元的价格对重复场景友好。

预算敏感的重度用户。输入1.25美元的价格只有GPT-6 Astra的八分之一。配合效率提升，成本优势明显。

需要顶级通用智能体能力的场景，建议再等等。OSWorld的差距说明，复杂计算机操作还得看第一梯队。

Muse Spark 1.3证明了一件事：模型竞争进入效率阶段。堆参数、刷榜的时代在退潮，省Token、稳执行、懂分寸的模型开始值钱。

对开发者，这是好事。模型越省，Agent越敢放开了跑。

四个月四个版本。下一发，看Meta怎么补OSWorld的短板。