Inilunsad ng Meta ang Muse Spark 1.3 na may 20% mas kaunting mga tawag sa kagamitan at 25% mas mababang paggamit ng token

Ang Meta ay nagpapadala ng mga update sa AI model sa paraan kung paano karaniwang nagpapadala ang mga kumpanya ng mga mensahe sa Slack: patuloy, at may lalong pagdami ng kahalagahan. Noong Setyembre 2, ipinahayag ni CEO Mark Zuckerberg ang paglabas ng Muse Spark 1.3, ang ikatlong pangunahing update sa isang pamilya ng model na hindi pa umiiral limang buwan ang nakalipas.

Ang bagong bersyon ay nagdadala ng makabuluhang pagpapabuti sa efisiyensiya para sa mga developer, na may 20% pagbawas sa bilang ng tool calls at 25% mas kaunting mga token na ginamit kumpara sa nakaraang bersyon, Muse Spark 1.2. Sa praktikal na termino, ibig sabihin nito ay mas maraming gawain ang modelo gamit ang mas kaunting yaman, na nagpapagawa ng mas malinis na code habang gumagamit ng mas kaunting computational resources.

Ang pangunahing pagpapabuti ay nakatuon sa dalawang larangan: agentic workflows at coding performance. Ang Muse Spark 1.3 ay tinuruan sa mas malawak na hanay ng mga habang-habang coding task, na katumbas ng pagtuturo sa isang tao na mag-run ng marathon kaysa mag-sprint ng 100 metro lamang.

Mahalaga ang 20% pagbawas sa mga tawag sa tool dahil bawat tawag sa tool ay nagdudulot ng latency at potensyal na error. Mas kaunting tawag na may parehong kalidad ng output ay nangangahulugan na mas matalino na ang model sa pagdedesisyon kung kailan gamitin ang mga panlabas na tool at kailan lutasin ang mga bagay sa loob.

Kasunod nito, ang 25% pagbaba sa paggamit ng mga token ay direktang nagdudulot ng pagkakatipid sa gastos. Ang mga token ay ang yunit ng pagbabayad para sa karamihan sa mga AI API. Ang isang model na nakakamit ng parehong resulta na may kalahating-kwarter na mas kaunting token ay, sa lahat ng iba pang kondisyon, 25% mas mura upang panaatiliin sa malaking iskala.

Available na agad ang Muse Spark 1.3 sa pamamagitan ng Muse Code, ang beta coding agent ni Meta, at ang Meta Model API. Isang “max reasoning” mode ay nasa pipeline, ngunit hindi pa ipapalabas hanggang sa makapasa ito sa karagdagang pagsubok sa kaligtasan.

Ang bilis ng pag-iterate dito ay值得 tandaan. Ang pamilya ng Muse Spark ay debute noong Abril 2026. Sumunod ang Version 1.1 noong Hulyo. Lumabas ang Version 1.2 noong Agosto. Ngayon ay dumating ang 1.3 noong Setyembre.

Iyon ay apat na paglalabas sa loob ng mahigit limang buwan, isang ritmo na maaaring ituring na agresibo kahit sa mga pamantayan ng kasalukuyang arms race sa AI.

Ang buong pagsisikap ay nagmula sa isang hindi komportableng pag-unawa sa loob ng Meta: ang kanilang open-source na mga modelo na Llama, na dati ay pinagmamalaki, ay hindi na nakatugon sa mga pinakabagong modelo mula sa OpenAI at iba pang mga kalaban. Sa halip na paulit-ulit na pagpapabuti sa Llama, pinili ni Zuckerberg ang isang mas radikal na pagkilos.

Ang Meta Superintelligence Labs, o MSL, ay itinatag bilang isang espesyal na yunit upang muling ibuon ang mga kakayahan sa AI ng kumpanya mula sa simula. Pinopanatili ng Alexandr Wang ang lab, isang malaking pagpili dahil sa $14.3 bilyong investimento ni Meta sa Scale AI, ang kumpanya sa paglalabel ng data na itinatag ni Wang.

Ang mga modelo ng Muse Spark ay nagtataglay ng isang pagbabago sa pilosopiya para sa estratehiya ng AI ni Meta. Sa halip na makipagkumpetensya lamang batay sa mga marka sa benchmark para sa mga pangkalahatang modelo ng wika, bumabase ang Meta sa multimodal na pag-iisip at paggamit ng mga kasangkapan. Ang inihayag na layunin ay magbigay ng isang karanasan ng “personal na superintelligence,” kung saan ang AI ay hindi lamang sumasagot sa mga tanong kundi aktibong nagkakasundo sa mga kumplikadong, marami-hakbang na layunin.

Para sa mga enterprise customer na nag-e-evaluate ng AI coding tools, ang 20% pagbawas sa bilang ng tool calls at 25% mas kaunting tokens ay hindi abstraktong pagpapabuti. Ito ay direktang nakikita sa mga taksil ng API, mga sukat ng latency, at mga marka sa kaligayahan ng mga developer.