Meta 釋出 Muse Spark 1.3：寫程式碼少耗 25% Token，提示詞模糊會主動反問

Google 剛剛端出 Gemini 3.8 Flash 沒幾個小時，Meta 就緊跟著把自家的壓箱底模型扔了出來。

Meta 正式釋出 Muse Spark 1.3。新模型已經同步上線 Meta 的程式設計平臺 Muse Code 以及 Meta Model API，主打的就是更強的長流程智慧體協作與程式碼工程能力。

業內評測影片指出，在 Deep Suite 和 SUI Atlas 等基準測試裡，Muse Spark 1.3 甚至跑贏了 GPT-5.6 Sol，整體水準已經死咬在行業最前沿。

懂得停下來問你，才算真懂幹活

很多人用 AI 智慧體最頭疼的，不是它不會做，而是它遇到模糊要求時開始盲猜，最後辛辛苦苦跑了一大圈，交出來的東西完全跑偏。

Muse Spark 1.3 專門改了這身毛病。新模型在收到含糊不清的提示詞時，會主動停下來向你提問確認；在任務卡殼時會主動求助，遇到不可逆的高風險操作也會先等人類點頭。

在單條長對話裡處理多工也是這次的重頭戲。就算你上一秒還在讓它改流體模擬報告，下一秒突然插播一段音訊剪輯需求，甚至中途推翻之前的指令，它也能準確把任務對應到不同的線頭上，不再像以前那樣容易邏輯打架。

官方還給它補了更強的自我邊界意識，自己能幹什麼、不能幹什麼心裡更有數，遇到邁不過去的坎會如實彙報，而不是在那裡硬編結果。

寫程式碼更省，防搗亂更硬

在實際的工程敲程式碼場景中，Muse Spark 1.3 明顯瘦身了。

根據 Meta 內部工程師的對比測試，相比上一代 Muse Spark 1.2，新模型在日常工程工作流中減少了不必要的廢話輪次，程式碼風格也更乾淨。具體到賬面上，它減少了大約 20% 的工具呼叫，同時節省了約 25% 的 Token 消耗。

這意味著同樣的開發任務，跑起來不僅速度更快，調 API 的賬單成本也直接切掉了一大截。

此外，Meta 還針對智慧體容易被外部資料帶偏的問題加強了防禦，大幅提升了抵禦惡意對抗輸入和提示注入的能力。對於經常要把 AI 放進複雜環境讀亂七八糟檔案的開發者來說，這算是一顆定心丸。

Meta 同時預告，後續還會推出更大的模型版本，並且承諾會把 Muse Spark 的開源權重放出來。

為什麼重要

我們認為，Meta 這次把重點放在減少 Token 和主動反問上，走得非常務實。

對於每天靠 AI 寫程式碼的開發者和工程團隊來說，省 25% 的 Token 和少 20% 的工具呼叫，是看得見摸得著的降本增效；而懂得在關鍵時刻向人確認，更是讓 AI 從玩具走向真正生產力工具的前提。

在行業層面，AI 模型的競爭焦點顯然已經從單純刷單題推理分，徹底轉移到了長流程、多步驟、能容錯的複雜任務執行能力上。Meta 緊咬著 Google 和 OpenAI 的釋出節奏步步緊逼，而且後面還捏著開源權重這張底牌，這會讓整個大模型市場的商用 API 定價和競爭進一步內捲。

不過對於普通人來說，這套能力目前主要嵌在 Muse Code 和專業 API 裡，更偏向工程師場景。如果你平時只用大模型寫寫短文、回回郵件，可能還感受不到太大差距；但對於準備搭建複雜自動化流程的團隊，現在確實值得去 dev.meta.ai 上跑一跑實測了。