摘要： Meta 於 2026 年 9 月 2 日發布 Muse Spark 1.3，並在 Muse Code 與 Meta Model API 同步提供。它主打長對話代理行為：語意不清時先追問、卡住時求助、遇到有後果的動作先確認，並在撞到能力邊界時直接說明。內部程式對比宣稱工具呼叫少約 20%、token 少約 25%，但 max reasoning 尚未推出。
Meta 選在 2026 年 9 月 2 日發布 Muse Spark 1.3，Muse Code 與 Meta Model API 當天同步開放取用。第三方媒體指出，付費管道已對開發者敞開，而 Muse Code 的預設模型也從 Muse Spark 1.2 交棒給 1.3；這批報導多半把它看成 Meta 縮短與 OpenAI、Anthropic 距離的最新動作。至於 Meta 自己的說法，仍然沿著「個人超級智能」這條主線走。
耐人尋味的是，整份公告幾乎不搬出 benchmark 分數，篇幅反倒留給代理的「行為品質」——模型如何在雜亂的長對話裡把任務收尾，以及什麼時機應該停下來找人問。而這正是代理類產品最難啃的一塊。
一條長對話串起多個工作流：執行緒內的代理協作
Muse Spark 1.3 主推的能力，是在單一長對話裡同時撐住多個工作流程的協作。碰上「混亂且互相矛盾的來源」，它會自己長出上下文，主動把計畫的破洞補起來，一路記下學到的東西，往最終交付物推進。
針對使用者的協作設計尤其具體：碰到語意不清的指令，它會先把問題問清楚；遇到瓶頸，會開口請使用者搭把手；要動手做有後果的事之前，會先取得確認。它也會看人調整溝通節奏——有人想收到密集更新，有人偏好它安靜在背景做事。換句話說，代理要從「展示 demo」變成「可以託付工作」的工具，這些設計缺一不可。
遵循指令，以及對自身能力的認知
這裡有兩個容易被忽略、卻很實用的改進。其一是指令遵循：多步驟任務跑下來，模型仍記得所有細節要求，不中途掉掉限制條件，也不走出指定的工作流。其二是多工：當同一個執行緒裡使用者不斷插話、回頭修改先前的交代，它更能把每一個 prompt 準確歸到該去的任務上。
這次公告裡最坦白的一段，講的是自我認知：按照 Meta 的說法，Muse Spark 1.3 更清楚自己知道什麼、不知道什麼，撞到障礙時會直接講明，「而不是幻覺出一個結果」。對得在生產環境裡跑代理的團隊來說，一個肯講「我做不到」的模型，遠比多考幾分有價值。
程式撰寫效率與 max reasoning
程式開發是 Muse Spark 主打的應用場景。Meta 工程師做了一份內部對比（比較對象是自家上一代 Muse Spark 1.2，並非外部競品）：工具呼叫少了約 20%、token 用量少了約 25%；訓練素材也加重了長時程 coding 任務的比例，藉此壓掉多餘的來回與落落長的輸出。
公告裡還特地寫明「max reasoning 尚未推出」：現在能用的是一般推理模式，最強的那個檔位得等額外一輪安全測試跑完，「shortly」才會上線。安全方面，Meta 強調模型面對對抗性輸入與提示注入時的抵抗力更強，在複雜代理任務裡對「不可逆動作」的判斷也更準。完整評測細節收在另一份方法學報告裡；公告本身沒端出任何對打競品的 benchmark 數字。
開源權重的承諾，以及接下來
公告的收尾丟出兩件事：一組規模更大的模型正在路上，另外還有一個 Muse Spark 開源權重版本。兩者若真的兌現，會是衡量 Meta 是否延續開源路線的關鍵訊號。四個展示案例（X-wing CFD 報告、音軌剪輯、公園簡報、選民意見摘要）一律標明是模型生成的原型，並非真實產品——這種誠實標註值得肯定。
想上手的話，Muse Code 在 macOS/Linux 上一行指令就裝好，API 入口在 dev.meta.ai 註冊。近期最該盯的兩件事：max reasoning 何時解禁，以及開源版本的授權條款怎麼寫。