Meta 正以大多數公司發送 Slack 訊息的方式推送 AI 模型更新：持續不斷，且日趨緊迫。9 月 2 日，首席執行官馬克·祖克伯宣布推出 Muse Spark 1.3，這是五個月前還不存在的模型系列的第三次重大更新。
新版本為開發者帶來顯著的效率提升，與前代產品 Muse Spark 1.2 相比，工具調用減少 20%，消耗的 token 數量減少 25%。實際上，這意味著該模型以更少的資源完成更多工作，在生成更乾淨代碼的同時，消耗更少的計算資源。
Muse Spark 1.3 究竟有什麼不同
核心升級集中在兩個領域：代理工作流程和編碼性能。Muse Spark 1.3 在更廣泛的長時程編碼任務上進行了訓練，這相當於教一個人跑馬拉松，而不僅僅是短跑 100 米。
工具呼叫減少 20% 至關重要，因為每次工具呼叫都會引入延遲和潛在錯誤。在輸出品質相同的情況下，減少呼叫次數意味著模型已更聰明地判斷何時應調用外部工具，何時應在內部處理。
同樣地，代幣使用量減少 25% 直接轉化為成本節省。代幣是大多數 AI API 的計費單位。在其他條件相同的情況下，一個能以少四分之一代幣實現相同結果的模型，其大規模運行成本將降低 25%。
Muse Spark 1.3 現已透過 Muse Code、Meta 的 beta 編碼代理和 Meta 模型 API 提供。「最大推理」模式也正在開發中，但需通過額外的安全測試後才會上線。
從零到版本 1.3 的五個月快速開發
這裡的迭代速度值得注意。Muse Spark 系列於 2026 年 4 月首次推出，1.1 版本於 7 月推出，1.2 版本於 8 月推出，現在 1.3 版本於 9 月登場。
這是在大約五個月內推出的第四個版本，即使以當前人工智慧軍備競賽的標準來看，這樣的頻率也相當積極。
整個努力可追溯至 Meta 內部的一個令人不安的認知：其開源的 Llama 模型，曾是其驕傲之處，已無法跟上 OpenAI 及其他競爭對手的前沿模型。與其逐步改進 Llama，祖克伯選擇了更為激進的方案。
Meta 超級智慧實驗室（MSL）成立於一個專門團隊，旨在從頭重建公司的 AI 能力。該實驗室由 Alexandr Wang 領導，這一選擇頗為引人注目，因為 Meta 已向 Wang 創立的數據標註公司 Scale AI 投資了 143 億美元。
Muse Spark 模型代表了 Meta 人工智能策略的哲學轉變。與單純在通用語言模型的基準分數上競爭不同，Meta 聚焦於多模態推理與工具使用。其明確目標是提供「個人超智慧」體驗，讓 AI 不僅能回答問題，更能積極參與複雜的多步驟目標。
競爭格局日趨緊張
對於正在評估 AI 編碼工具的企業客戶而言，工具調用減少 20% 和令牌使用減少 25% 不是抽象的改進，它們直接體現在 API 賬單、延遲測量和開發者滿意度得分上。