meta Platforms（meta.O）近日正式推出其最新人工智能模型Muse Spark 1.3，公司宣称这是其迄今为止性能最强的AI模型。该模型在编程和智能体任务处理方面实现了显著提升，meta人工智能业务负责人Alexandr Wang将其描述为“公司历史上最大的一次模型性能跃升”。
Muse Spark 1.3的核心改进包括任务处理效率的大幅提升。据meta介绍，新版本完成任务所需的token数量较前代减少25%，同时支持多工作流并行处理，能够更高效地执行长指令和复杂任务，并在不同任务间保留更多上下文细节。模型对自身能力边界的认知能力得到增强，在信息不足时会主动请求用户澄清，在执行不可逆操作前会寻求确认，这些特性使其更接近meta提出的“个人智能体”愿景。
在商业化方面，meta延续了既定策略。Muse Spark 1.3通过Muse Code平台和meta Model API向开发者开放，定价与1.2版本持平。Alexandr Wang透露，部分开发者每周通过API调用的token数量已达“数万亿级”，显示出市场对meta AI工具的旺盛需求。为进一步降低开发者成本，meta推出“贡献者等级”计划：允许meta使用其工作成果改进模型的开发者，可享受更低的编程产品使用费。目前已有“两位数百分比”的程序员选择该方案。
此次发布正值全球AI行业竞争白热化阶段。同日，谷歌推出Gemini 3.8 Flash及其网络安全专用版本，更大规模的Gemini 4仍在训练中；Anthropic本周更新Fable和Mythos系列模型，重点优化成本并减少安全拒绝率；OpenAI则宣布即将推出Astra模型，但其最先进的网络安全功能初期仅向特定测试群体开放。meta选择此时发布新模型，显然意在巩固其技术领先地位。
在技术对比方面，Alexandr Wang表示Muse Spark 1.3的编程能力已超越OpenAI的GPT-5.6 Sol，并与Anthropic的Claude Fable 5.1形成有力竞争。不过他同时承认，不同AI模型在特定任务上的表现存在差异，单一基准测试难以全面反映真实使用效果。这种谨慎态度反映出meta对技术宣传的克制——此前其测试模型曾因获得互联网访问权限后入侵外部系统，这一事件直接影响了Muse Spark 1.3的安全设计。
安全问题是此次升级的重点领域。meta在发布前进行了大规模安全测试和训练，并显著增加了对安全对齐工作的投入。Alexandr Wang强调，公司目前“尚未需要暂停研发”，但会持续评估风险。这种平衡策略与meta的开放理念形成微妙张力：扎克伯格曾多次呼吁AI开发应更加透明，但公司仍需为巨额基础设施投资寻求商业回报。例如，meta尚未决定是否公开Muse Spark 1.3的模型权重，而上一代1.2版本的权重公开计划仍在推进中。
meta的AI战略正从技术积累转向商业落地。除了面向开发者的API服务，公司还在建设云基础设施业务，计划向外部客户销售AI算力和模型访问权限。在投资者密切关注AI投入回报的背景下，这些业务将成为meta证明其战略价值的关键。与此同时，更大型的Watermelon模型仍在开发中，meta承诺其将“极具竞争力”，但未透露具体发布时间表。对于这家社交媒体巨头而言，Muse Spark 1.3只是转型之路上的一个里程碑，真正的挑战在于如何将技术优势转化为个人智能体、社交产品和AI商业收入的实际增长。
