9 月 2 日,Meta Superintelligence Labs 在官方博客发布了 Muse Spark 系列的新版本 Muse Spark 1.3,主打 agentic 与编码两类任务的实用性升级,并以 max reasoning 档位上线 Muse Code 与 Meta Model API,入口在 dev.meta.ai(官方公告)。
从「会干活」到「会配合」
这版最大的变化不是跑分,而是 Agent 行为模式。官方描述的场景是:面对一个开放式目标,Muse Spark 1.3 会自己用工具在杂乱、相互矛盾的来源里生成上下文,主动补上计划里的缺口,并记住已经学到的东西,最后产出一份可交付的成果——全程在一条长线程里同时推进多个工作流。
更值得注意的是协作姿态。提示含糊时,它会主动追问而不是硬猜;卡住时会向用户求助;要执行有后果的操作前会先确认。长任务里它还能适应你的偏好——要么频繁汇报进度,要么安静地在后台干活。这些听起来像产品细节,但恰恰是 Agent 从 demo 走向生产环境最缺的那一环:知道自己不知道什么。官方也明确训练了模型对自身能力边界的感知,遇到障碍时不幻觉编造结果。
编码侧:少说话,多办事
相对 1.2,Muse Spark 1.3 在训练中加入了更多长程编码任务。Meta 工程师的内部对比显示,它明显更快、更省:工具调用约少 20%,token 消耗约少 25%,不需要的轮次更少、输出更不啰嗦,整体代码风格也更干净。
对一个每天要跑成千上万次 Agent 会话的团队来说,这两组数字比任何榜单都实在——token 就是账单,工具调用就是延迟。
安全与生态位
安全侧官方强调两点:更强的对抗鲁棒性(抗对抗输入与提示注入),以及在复杂 agentic 任务上对「不可逆操作」的校准更准——什么该做、什么该先问,分寸感更好。
生态位上,Muse Spark 1.2 与 Muse Code 在 8 月初发布后经过了一个多月的大规模采用,1.3 是在这批真实反馈上迭代出来的。第三方工具链也在跟进:开源 Agent 框架 OpenClaw 的 2026.9.2 版本已宣布支持 GPT-6 Astra 与 Muse Spark 1.3,并把子 Agent 编队(swarm)设为默认开启。
官方在结尾预告了路线图:更大的模型、Muse Spark 开放权重版本等。Meta 用「personal superintelligence」描述这版的目标——口号先不论,开放权重这条对开发者社区是真金白银的承诺,值得盯着后续落地。
对普通开发者的启示很简单:Agent 模型的竞争焦点正在从「谁更聪明」转向「谁更省、谁更知道分寸」。当能力差距缩小,效率和边界感就成了新的分水岭。