**摘要：**Meta 的開放權重模型 Muse Spark Open 已於 2026 年 10 月 15 日登上 Together AI，主打長時間運行的代理式編碼工作流，並提供 1M token context window。對 builder 來說，重點不只是多一個模型可選，而是定價、工具呼叫可靠度和可審計性這幾個面向，直接影響你要不要把它排進 production 的模型候選名單。
它被訓練來做什麼
根據 Together AI 的公告，Muse Spark Open 是「迄今最強的美國開放權重模型」，訓練資料來自真實開發者工作：多檔案重構、debugging session 和長時間任務。Together AI 特別強調三個結果：較高的首次嘗試準確度、可靠的工具呼叫，以及對實際 repo 的深度理解。
規格上值得注意的幾點：1M token context window 可以容納整個專案（含複雜依賴與 legacy code）而不需切分；模型可以規劃、行動、觀察、自我修正，並協調 subagents 處理可拆分的任務；支援 computer use 和多模態瀏覽；接受文字、圖片、音訊和視訊輸入。另外有一個對 agent 維運很實用的設計：模型會在行動前說明它正在做什麼、為什麼做，讓長時間運行的過程更容易審計。
這些特性與我們之前討論過的 Muse Spark 1.3 把代理行為當成主打功能 的方向一致，只是這次是開放權重版本，且有了託管 API。
早期客戶的回饋說了什麼
Factory 和 Ollama 是早期體驗計畫的兩家客戶，兩者都在發布當天向自己的用戶提供這個模型。Factory 的 Zimu Li 表示，在他們的代理式工程工作流中，Muse Spark Open 能穩定選對工具並保持回應精簡，「正是 production agents 需要的果斷」。Ollama 的 Dong Chen 則指出模型在工具呼叫和長 context 上表現突出，包括多步驟和平行呼叫，且能輸出乾淨的結構化結果。
要留意的是，這些是供應商合作的證言，不是獨立評測。實際表現仍應用自己的任務驗證。
接入方式與定價
透過 Together API 即可呼叫：
from together import Together
client = Together()
response = client.chat.completions.create(
model="meta-models/Muse-Spark-Open-816B-A42B",
messages=[{"role": "user", "content": "Refactor this module to remove the circular import."}],
)
print(response.choices[0].message.content)定價是每 1M 輸入 token $1.25、每 1M 輸出 token $4.25，快取輸入每 1M token $0.15。如果你已有 Together 帳號，也可以先在 playground 試跑。對於 context 動輒數十萬 token 的代理編碼場景，$0.15 的快取價格會是成本模型裡的關鍵變數——重複讀同一個 codebase 時，快取命中率幾乎決定單次任務的成本。
實務上的下一步
如果你的產品已經有代理式編碼或長任務工作流，合理的做法是把 Muse Spark Open 加進候選模型，用自己 repo 的實際任務（多檔案重構、跨檔 debug）比較首次成功率與 token 成本，而不是只看供應商的跑分描述。公告並未提供公開 benchmark 數據，這點在比較時要自行補上。
參考來源
在 X 上查看原貼文