Meta Superintelligence Labs于9月3日发布编码模型Muse Spark 1.3。这是该公司五个月内第四个Muse Spark版本，重点面向长程智能体任务，而非单轮生成。据Meta发布公告，该模型已在Muse Code和Meta模型API中提供，开发者可立即在生产环境调用，但无法自托管，权重未开放，最高推理模式仍需通过进一步安全测试后才能使用。
Meta在公告中表示，Muse Spark 1.3在多个智能体框架上训练，使其行为能够跨环境泛化。该模型设计为在单条长线程内承载多项工作流，面对开放式目标时能从杂乱且冲突的信息源中自行收集上下文，并弥补计划中的缺口。协作能力方面，Muse Spark 1.3会在提示语模糊时提出澄清问题，在卡住时请用户介入，并在执行重要操作前请求确认。在长任务运行中，它还能适应用户偏好，例如选择频繁更新状态或静默后台执行。Meta称，该模型对自身局限的判断也更准确，会标记障碍而不是虚构结果。
编码效率方面，Meta称Muse Spark 1.3使用了更多长程编码任务进行训练。相较1.2版本，Meta工程师内部比较显示，它减少了不必要的交互轮次，输出更简洁，代码风格更干净：工具调用次数减少约20%，token消耗减少约25%。对智能体工作负载而言，这直接意味着更少的往返次数和更少的计费token。
在基准测试中，Meta公布的数据显示，Muse Spark 1.3在DeepSWE v1.1上得分75.4，超过Claude Opus 5的74.0和GPT-5.6 Sol的72.7。在SWE-Atlas Codebase QnA上得分59.4，在Terminal-Bench 2.1上以88.8与GPT-5.6 Sol持平，Claude Opus 5为86.7。长上下文检索是差距最大的部分：Muse Spark 1.3在MRCR v2上得分为98.5（256K至512K上下文）和98.1（512K至1M上下文），而GPT-5.6 Sol在这两项上分别为91.5和73.8。
需要注意的是，Meta的测试成绩区分了mode。在OSWorld 2.0上，Muse Spark 1.3的max模式得分66.9，xhigh模式为57.2；GDPval-AA v2 Elo分别为1,754和1,709；JobBench为64.9和61.2；DeepSearchQA两者均为89.4。由于1.2版本是在xhigh模式下评估，部分代际提升源于推理模式的变化。第三方评测机构Artificial Analysis对当前可用的xhigh版本给出的智能指数为61，而预览版max模式为62，xhigh版本与GPT-5.6 Sol（max）和Grok 4.6（high）持平，落后于Claude Opus 5（max，63）和Claude Fable 5.1（max，66）。Artificial Analysis还测得xhigh版本在Tau3-Bench Banking上为47%，max版本为52%，这是该评测中记录的最高分数。
定价方面，Muse Spark 1.3与1.2版本一致，输入每百万token 1.25美元，输出每百万token 4.25美元，贡献者层级为每百万token 0.10美元输入、0.20美元输出。模型权重保持封闭，但Meta路线图中列出了开源权重版本。该模型支持100万token上下文窗口。