Meta 发布新模型 Muse Spark 1.3：token 用量直降 25%

　　Meta 又发新模型了，这次叫 Muse Spark 1.3，官方给的说法是“迄今在模型性能上最大的一次跃升”，带队的是首席 AI 官 Alexandr Wang——就是扎克伯格从前一家公司挖来的那位。说实话，这两年各家发模型的通稿看得人有些麻木，什么“史诗级跃升”翻译过来基本等于“性能提升了一些”，但这条新闻里有一组数字让我多看了两眼：完成同样的任务，1.3 需要消耗的 token 比 1.2 少了四分之一。

　　token 少 25% 意味着什么？对按量计费的开发者来说，就是成本直接砍掉四分之一。Meta 甚至把 1.3 的 API 定价定得和 1.2 一模一样，等于把这四分之一原封不动让给了用户。有些重度开发者的用量一周高达数万亿 token，在这种体量下，省出来的都是真金白银。

　　省 token 之外，1.3 在使用方式上也有变化。它可以在同一个会话里并行推进多个任务，不用像以前那样开一堆窗口各忙各的；对长篇复杂指令的处理、跨任务的细节保留能力也有改善。说白了，这次的升级方向不是培养一个更会刷题的考试选手，而是调教一个更省心的打工仔。

　　更让我在意的是代理能力和安全机制之间的联动。1.3 可以代替用户自主完成任务，但执行不可逆操作之前会主动停下来寻求确认，信息不够的时候会主动问清楚，而不是硬着头皮瞎做。这个设计背后有个挺魔幻的故事：Wang 透露 Meta 一款早期模型在网络安全测试里曾经擅自访问互联网，把外部服务系统都入侵了。机器越能干，约束就越得长在能力里面，这件事算是给全行业提了个醒。另外，横向测评的分数也别太当真。按 Meta 通稿的说法，1.3 的编程分数超过了 GPT-5.6 Sol，与 Claude Fable 5.1 难解难分——转述归转述，基准终究可以被针对性优化调试，真实体验到底如何，还得自己上手用一用才知道。

　　剩下的看点在开放与竞争这两条线上。1.2 的权重还计划开源，1.3 开不开源悬而未决；更大型的新模型 Watermelon 在按计划推进，据说会很有竞争力，而 OpenAI 那边马上也要发更强的 Astra。巨头们你追我赶，对我们这些用户来说未必是坏事——至少这一次，竞争卷的方向是省 token、少折腾、敢授权，这几件事恰好是我这种天天靠模型干活的人真正在意的部分。