Meta发布Muse Spark 1.3:636款模型中位列第6,Spark(SPK)受关注

Meta正式推出Muse Spark 1.3

Meta于9月2日发布了旗下专有前沿推理模型Muse Spark 1.3,通过Muse Code编程代理和Meta Model API同步上线。该模型拥有100万token的上下文窗口,支持文本、图像和视频输入,在Artificial Analysis Intelligence Index上于636款模型中排名第六——详情可参阅该基准榜单为该模型发布的页面。这一排名分量不轻:该指数是目前业界最受关注的独立前沿模型评测标尺,前六名的位置意味着Muse Spark 1.3已经与生产环境中最强的闭源模型站在同一梯队。Meta内部与1.2版本的对比显示,在智能体和编程工作流中,工具调用次数减少约20%,token消耗降低约25%;长上下文检索得分达到98.5和98.1,接近评测满分水平。100万token的窗口意味着模型可以在单次推理中引用长文档、整个代码库和完整的对话历史。开发者可以将多个文件和任务日志一并输入,智能体服务也能在漫长的多步骤任务中保留此前的指令和输出——对于自主工作流而言,这一特性至关重要,因为一条指令的丢失就可能让整条任务链脱轨。值得注意的是,Meta始终将Spark系列保留在自己的API之后,而非开放权重,这与该公司早前发布的开源模型Muse Glimmer形成鲜明对比——后者可在单张显卡上运行。目前xhigh版本已在生产环境上线,Max版本仍处于限量预览阶段,xhigh配置的详细分项得分除已公布的指数排名外尚未披露。对于关注Spark(SPK)代币的读者而言,这是本轮以Spark为名的最主要动态;SPK项目方并未伴随Meta的发布发布任何协议层面公告,也不应仅凭时间巧合做出任何假设。

定价与数据取舍

商业结构才是Muse Spark 1.3真正与开发者切身相关的地方。标准xhigh端点定价为每百万输入token 1.25美元、每百万输出token 4.25美元——与1.2版本完全一致——缓存输入为每百万token 0.15美元。这一档位的缓存定价鼓励重复复用上下文,而长上下文智能体工作流恰好产生这种模式。Meta还运营着一个单独的“贡献者”档位,输入约每百万token 0.10美元、输出约每百万token 0.20美元,折扣幅度达10至20倍,但附带一个条件:经该端点发送的数据可能被用于训练Meta的模型。这种双档分层——标准价格换取保密性、大幅折扣换取训练数据——是业内对“成本与数据获取”这一取舍最直白的表达之一。处理敏感源代码、专有算法或客户记录的企业,在比较标价之前必须先权衡数据使用条款:一个便宜20倍却暴露专有逻辑的端点,实际上并不便宜。贡献者结构也让战略格局更加清晰。由于Muse Spark 1.3仅通过API提供,用户永远无法下载权重;Meta掌控接入点、控制速率限制,并掌握使用模式的可见性。开放权重则允许团队在自己的环境中运行模型并自由调优——这正是对基础设施敏感的机构,例如需要管理托管体系中每一个钱包地址的交易所、托管方和钱包服务商,通常把仅API的前沿模型当作便利层而非骨干设施的原因。对于高并发的智能体工作负载,经济效应还会叠加:一个每小时执行数千次工具调用的智能体,其单次调用的节省和单token的折扣是相乘而非相加。 希望实时跟踪行情的读者，可在Binance查看现货与合约的实时价格。

加密开发者的更低推理成本

COINOTAG的判断是,两条线索——基准排名与定价架构——指向同一个变化:前沿级别的推理能力,正在按单位工作量大幅降价。对于正在构建交易所、节点基础设施、链上分析和安全工具的加密开发团队而言,这会切实改变其实验预算,因为智能体密集型工作流正是那20%工具调用节省与25%token节省叠加生效的领域。Spark(SPK)现货价格过去24小时波动达13.8%,正处于AI代理代币叙事之中——而这类叙事恰恰依靠这种头条消息获取动能。但Meta此次发布并未带来任何已证实的SPK专项影响,仅凭名称相邻就押注仓位,是教科书式的FOMO,而非基于基本面的论点。