指令一含糊它就先反問，Muse Spark 1.3 上任了

2026 年 9 月 2 日，Meta 發布了迄今最強的 AI 模型 Muse Spark 1.3。官方說明裡最不像規格表的三行字是：面對模糊指令，它會提出澄清問題；遇到障礙，它會請求用戶幫助；執行關鍵操作之前，它會先尋求確認。這三句印在任何一間公司的新人守則上，幾乎不用改字。

一套模型，就這樣把自己寫成了同事。

「最強」是誰說的？

根據 IT之家 9 月 3 日的公開報導，Muse Spark 1.3 由 Meta Platforms 於 9 月 2 日發布，定位是延長智慧體工作流與增強編碼能力。Meta 首席 AI 官 Alexandr Wang 給出的對標成績只有兩行：編碼能力超越 OpenAI 的 GPT-5.6 Sol；與 Anthropic 的 Claude Fable 5.1 表現持平。

對不寫程式的讀者來說，這串名字的資訊量接近零。「超越誰」「與誰持平」向來需要一層翻譯，數位社羣也早有這樣的傳統：華為新晶片的跑分，先前就曾被網友把跑分譯成驍龍世代的對照，用熟悉的名字替陌生的分數找座標。模型圈這次做的事差不多，官方對標未必能讓一般人理解模型有多強，至少能讓人看懂：Meta 想坐上哪一桌。

引言圖卡呈現 Meta 首席 AI 官 Alexandr Wang 對新模型的官方定位：編碼能力超越 GPT-5.6 Sol，與 Claude Fable 5.1 持平

它到底強在哪？

官方博文列出的進步，一半像工程指標，一半像性格測評。工程那一半：相較前代 Muse Spark 1.2，新版減少了不必要的程式碼迭代，程式碼更簡潔、風格更清晰，工具調用次數減少約 20%，完成相同任務所需的詞元減少 25%。性格那一半：它能在單一長執行緒中協作處理多個工作流，主動修正計畫缺口，跟蹤自己的學習成果；對自身能力與局限的認知更強，幻覺輸出隨之減少。

這裡說的智慧體，指的是能自己拆解任務、連續執行多步工作的 AI 系統。新版針對長週期任務做了優化：對複雜長指令的遵循更可靠，多步驟任務裡能保住詳細需求與約束條件，也能把新到達的指令準確映射到長對話裡的對應任務。這些能力湊在一起，指向同一個方向，把事問清楚再動手。半個多世紀前，圖靈設想的測驗是機器回答人的問題；這一代模型的更新清單裡，赫然有一條是機器學會向人提問。

統計圖卡呈現 Muse Spark 1.3 完成相同任務所需詞元較前代 Muse Spark 1.2 減少約百分之二十五 — 官方博文數據，工具調用次數亦減少約 20%

這幾條行為準則最有戲的地方，在於它們的讀者感。指令模糊要先問、卡住要求助、關鍵操作前要確認，貼在辦公室佈告欄上毫無違和。過去幾年關於 AI 與工作的討論，多半停在「它能不能做」；這次發布把問題推進了一格：它開始講究怎麼做才不添亂。

詞元費是怎麼算的？

詞元（token）是大模型讀寫文字的計價單位，一段文字會被切成若幹詞元分別計費。Muse Spark 1.3 維持與前代相同的定價，透過 Meta Model API 對開發者付費開放（來源：官方公告，IT之家報導轉載）：

每一百萬詞元輸入 1.25 美元，現匯率約合人民幣 8.4 元
每一百萬詞元快取命中輸入 0.15 美元，約合人民幣 1 元
每一百萬詞元輸出 4.25 美元，約合人民幣 28.6 元

清單圖卡列出 Muse Spark 1.3 經 Meta Model API 開放的每百萬詞元三段定價：輸入 1.25 美元、快取命中輸入 0.15 美元、輸出 4.25 美元

Alexandr Wang 在發布中透露（來源：官方說明），API 平臺市場採用強勁，部分開發者每週用量達萬億級詞元。這個量級換個說法就具體了：重度用戶一週吞吐的文字量，早超過一個人一輩子讀得完的份。在按詞元計費的世界裡，先反問再動手由禮貌變成了財務策略，一句澄清問題的費用，遠低於整輪重來的輸入與輸出。模型收起冒失，帳面上看得出差別。

名字為什麼從 Llama 換成 Muse Spark？

模型的名字本身也是看點。Meta 過去以 Llama 系列聞名，駱駝樸素、工程味十足，開源時期累積的口碑都掛在這個名字上。Muse Spark 則是繆思加火花，放進專輯封面或偶像團名都不違和。對手也走同一條路：GPT-5.6 的代號 Sol 在拉丁文裡是太陽，Claude 的版本叫 Fable，寓言。模型命名從版本號走向意象，說明這門生意的聽眾早已越過開發者圈層。類似的命名儀式在其他產業早就成熟，車廠給車系取名、手機廠給配色取名，名字總是先於規格抵達消費者。

命名與定價之外，近期的公開報導也透出 Meta 的另一層盤算：Muse Spark 轉戰閉源後上線時程一再推遲的說法、明年推出 AI 吊墜尋找新收入的計畫，還有把新舊記憶體以 3:1 混搭、最多省下四分之一推理伺服器的成本術。資料中心的胃口同樣伸進了別的產業，手機圈近來就在討論記憶體漲過旗艦晶片的帳。在這個背景下，「迄今最強」四個字要同時說服兩種人：付錢的開發者，和盯著成本的自己人。

不寫程式的人，什麼時候會遇到它？

官方說明寫得直白：新模型將逐步整合進 Instagram、Facebook 與 Meta AI 助手。多數人與它的第一次接觸，預計會發生在動態牆上的某個新功能裡，程式編輯器裡的重度用戶反而是少數。同一段時間的相關報導裡，Meta 還發布了能對二十餘人分軌轉寫的即時音訊感知模型，並為 Mac 推出了原生的 Meta AI 應用。模型軍備競賽的去處，往往就藏在「演算法又更新了」的那個瞬間。

至於 AI 在工作裡的位置，一則被廣泛轉載的報導引述 Meta CTO 的說法：AI 省下的時間，不是用來休假的。這句話配上會反問、會求助、會先確認的新模型，剛好拼出一張完整的圖，工具越來越像同事，而同事守則的第一條，是別讓彼此的時間白費。

下一次，當螢幕另一頭的 AI 停下來反問你「指的是 A 還是 B」，先別不耐煩。那一句提問，可能是它替你省下的四分之一詞元，也可能是這一天裡，第一次有機器停下來，認真聽你把需求說完。