Muse Spark 1.3：更省工具调用的长程编程代理

Meta Superintelligence Labs 在约 2026-09-02 前后放出 Muse Spark 1.3；经安全测试后，max reasoning 已解锁。官方现表述为：带 max reasoning 的 Muse Spark 1.3 已在 Muse Code 与 Meta Model API（dev.meta.ai）可用。相对 1.2，它把重点放在更长时程的 agentic 工作与编程协作，并用可核验的效率数字说明「更少工具、更少 token」。

一、定位：长线程协作，而不是单次问答

1.3 的设计目标很明确：在同一条长线程里维持更长时程的工作，并同时处理多条工作流。面对开放目标时，它会用工具从杂乱甚至冲突的信息源里自行补齐上下文，主动修正计划缺口，并记住已学到的内容，最终给出可交付结果。训练侧刻意覆盖多样化 harness，以便泛化到不同 agentic 环境。 协作行为也更像「结对工程师」：提示含糊时会追问；卡住时会向用户求助；做有后果的操作前会确认；长任务中会按用户偏好在「频繁汇报」与「静默后台推进」之间切换。复杂长指令的约束更不易被丢掉；在杂乱的单线程上下文里，也能更准确地把新提示映射到正确任务——无论用户是在续写旧请求，还是打断另起炉灶。对自身能力边界的自知也更强：更少「幻觉式成功」。

二、编码：相对 1.2，大约少两成工具调用

编程是本版最可量化的改进面。官方称 1.3 在更长时程的 coding 任务上训练更充分，工程日常工作流更可用。相对 Muse Spark 1.2，它减少不必要的回合、更少啰嗦，整体编码风格更干净。Meta 工程师内部对照给出的效率口径是：约 少 20% 工具调用、约 少 25% token——在长 refactor、多文件调试这类任务上，这往往比单次榜分更有体感。 安装与调用路径也写得很直白。Muse Code（macOS / Linux）： 官方安装入口：https://dev.meta.ai/install.sh（按站内说明执行即可） 同一模型亦可通过 Meta Model API 接入；入口统一在 dev.meta.ai。

三、安全与路线图：对抗更稳，开源权重在规划中

安全侧与 agentic / coding 能力对齐：对抗鲁棒性与 prompt injection 抵抗更强；在复杂代理任务上，对「不可逆操作」的校准更好，再决定是否继续。这对应长时程委托时最需要的裁量——不是只会干活，而是知道何时该停、何时该问。 展望部分是公司主张、未给具体日期：更大模型，以及 Muse Spark 开源权重 发布。对跟踪 Meta 模型线的人来说，1.3 更像是「先把可用 agent 做稳」的一档，而不是终局形态。

四、外部坐标：AA Index v4.2 口径下的位置

若把视野放到公开第三方榜（AA Index v4.2，本账号已发过专题），Muse Spark 1.3 总 Index 约 53，与 Claude Fable 5 同档附近；在偏长程知识工作的 AA-Briefcase Elo 上约 1560，紧贴 GPT-6 Astra（约 1565）一侧。这不是官方自评，而是外部同口径相对位次——对「第三实验室」叙事有参考价值，但不宜与旧版 Index 分数纵向硬比。

五、简要判断

Muse Spark 1.3 眼下最扎实的卖点，不是再多几个泛化榜分，而是把长线程 agentic 协作与编码效率写成可核验主张：少约两成工具调用、少约四分之一 token，同时把追问、求助、确认与不可逆动作校准写进行为。max reasoning 已开、Muse Code / Meta Model API 可直接用；后续值得盯的是更大模型与开源权重是否按时落地，以及工程侧是否继续把「更少回合、更少幻觉成功」压成稳定日常体验。