Muse Spark 1.3：更少回合的长程编程代理
单价没动：标准档仍是每百万 token 输入 $1.25、输出 $4.25，Contributor 仍是 $0.10/$0.20。变的是单位任务消耗——Meta 工程师对照称，相对 1.2，完成同等编程与代理任务约少 20% 工具调用、少 25% token。这是「同样价目表、更低任务成本」的更新，不是又涨价的旗舰；也不是「任意评测都更省」的空白支票。
一、发布口径：长程代理，入口在 Muse Code 与 API
2026年9月2日，Meta Superintelligence Labs 推出 Muse Spark 1.3，约五个月内第四个 Spark 版本，焦点放在长程 agentic/coding。访问走 Muse Code 与 Meta Model API，模型 ID 为 muse-spark-1.3 与 muse-spark-1.3-contributor；上下文 1,048,576 token，公开材料还给出约 943,718 的最大输出量级。产品对位 Claude Code / Codex 一类交互式编程助手：不是再堆一块通用聊天模型，而是把「少废话回合、把活做完」写进默认行为。推荐新工作用 1.3，价格相对 1.2 持平，节省只能来自更少浪费，而不是价目表下调。对采购团队，这意味着合同谈判的主轴从「要不要换更贵的旗舰」变成「同样单价下，完成一件活要烧多少」。封闭权重进一步锁死了「拉回本地自托管省钱」的退路，成本优化只能落在提示、工具策略与人在环路的设计上。
二、行为改进：模糊就问、卡住求助、大事先确认
效率主张来自 Meta 内部工程师在真实 coding/agentic 工作流上的对照，不是外部固定榜的唯一口径。相对 1.2，1.3 更少不必要回合、更少冗长输出、代码风格更干净；意图不清时提问，卡住时求助，重大动作前确认。这些习惯在「人在环路」的交互式编程里，能砍掉猜测错误带来的返工环，从而同时压低工具调用次数与总 token。读数字时要记住：−20% / −25% 绑定 Meta 自家任务分布与工具链，样本量、工具集与基准版本并未完全公开到可独立复现的粒度。把它当成方向性信号合理，当成跨团队保证条款则过早；换一套仓库结构或权限模型，节省幅度完全可能上下浮动。
三、边界：AA 固定 harness 上 token 反而更多
Artificial Analysis 在非交互、固定 harness 上测到另一面：1.3 输入 token 约多 57%、输出约多 8%，单任务成本约 $0.55 对上 1.2 的约 $0.40。两种结果并不必然打架——交互式 coding 允许中途纠正，「提问/确认」是省回合；固定 harness 要求一次性规划执行，「提问」记成额外开销甚至失败。结论应写成硬边界：交互式编程少回合 ≠ 任意 agent 评测都更省。选型必须按工作流分流：开发者共同迭代的回路可以优先采信 Meta 对照；CI 批量修复、大规模迁移等零干预任务，必须以自有 harness 复测，不能直接套用内部工程师数字。同一模型在两种回路上可以同时「更聪明」和「更烧钱」，混淆口径只会买错 SLA。
四、牌面与档位：强项可见，口径要拆开
公开材料列出 DeepSWE 约 75.4、Terminal-Bench 2.1 约 88.8，长上下文 MRCR 表现突出；OSWorld 在 max 约 66.9、xhigh 约 57.2；AA Intelligence Index 在 xhigh/max 约 61/62。注意多数发布记分牌偏 max 推理档，而生产调用未必都是该档；文档亦提示 max 主要挂在 Standard。DeepSWE 等 coding 强项不等于更广 agentic 榜全面领先——对位 Claude Code/Codex 时，应看「完成任务成本」轴与失败返工，而不是单榜名次。档位不一致时，外部高分只能当参考，不能当采购合同里的保证条款；企业应用自有仓库、自有工具权限与自有验收标准做 A/B，才谈得上可上线。
五、产业含义：成本竞争改到「每完成一件活」
价格锚定在中档，靠行为优化兑现更便宜的任务账单，与「抬单价再靠更少轮次证明总账」的路线形成对照。若团队主业是开发者与模型共同迭代的交互式编程，且工作流接近 Meta 对照，1.3 的实际账单有机会相对 1.2 明显下降；若主业是零人工干预的批量 agent，AA 已提示 token 体积可能反向走高。采购问题从「百万 token 单价」改成「合格交付的全成本」：计入工具调用、重试、人工确认与失败回滚。Contributor 更低价目绑定训练 opt-in，预算敏感团队仍需单独核实长程任务上的效率差异，避免用短会话单价外推长程代理账单。Muse Code 与 Claude Code / Codex 的竞争，最终会落在「单位完成任务的钱与时间」，而不是参数规模口号。厂商若只报单次调用更便宜，却把返工与人工确认甩给客户，总账仍可能输给单价更高但回合更少的对手。
六、判断：省在哪一种回路，比省多少更重要
Muse Spark 1.3 的可转发点很硬：价目表不动，Meta 报告的交互式 coding 回路更省工具与 token；同时必须把 AA 固定评测的反向信号写进同一段判断。权重封闭、不可自托管，企业只能走 API/Muse Code；评测档与可调用档可能不一致，上线前要在自有任务集上做 A/B，并分开统计交互式与自动化两条线。把它当成「全面更省的万能 agent」会过度承诺；把它当成「交互式长程编程代理的效率迭代」，并接受固定 harness 可能更贵，边界才清楚。下一拍看的是客户真实账单与失败返工，而不是发布会里单独抽出的百分比——省在正确回路里，百分比才有采购意义。对平台与集成商而言，还应把「交互式默认省、固定 harness 可能贵」写进文档与报价说明，避免客户用错评测口径后反向归因于模型质量。