在人工智能领域新一轮技术竞赛中，meta正式推出Muse Spark 1.3大模型，标志着这家科技巨头正式加入本周密集发布的技术浪潮。新模型在发布当日即登陆Muse Code开发平台和meta Model API服务，重点优化了复杂任务处理、编程能力及资源消耗效率，被公司高层称为"编程与智能体领域的里程碑式升级"。
据扎克伯格在社交平台披露，该模型在性能上已接近行业前沿水平，而使用成本却大幅降低。研发团队特别针对智能体（Agent）的长期任务处理能力进行强化，使其能够自主规划工作流程、整合冲突信息、动态调整计划，并在任务执行过程中持续记录关键数据。这种能力在航空工程报告生成案例中得到充分验证——模型需同时解析流体仿真数据和三维设计文件，最终输出包含升阻力分析、流动分离现象等专业内容的PDF报告。
在人机协作模式上，新模型展现出更强的主动性。当面对模糊指令时，系统会主动发起澄清对话；遇到执行障碍时，会及时向用户寻求指导；对于高风险操作则坚持执行前确认原则。更值得关注的是，模型可根据用户偏好调整交互频率，既支持实时进度反馈，也能在静默模式下持续工作。这种设计显著提升了智能体在真实场景中的适用性。
编程能力的升级是本次发布的另一核心亮点。通过增加海量长时间编程任务训练，新模型在代码生成质量上实现质的飞跃。内部测试显示，相比前代版本，工具调用次数减少20%，Token消耗降低25%。这种效率提升对开发类智能体尤为重要——传统模式下，简单需求可能触发数十次文件检索、代码修改和测试操作，而优化后的系统可显著降低等待时间和计算成本。
研发团队透露，此次升级得益于对Avocado模型架构的后训练优化，以及测试时扩展能力的强化。参与项目的北大校友孙之清在技术分享中指出，新版本在复杂指令遵循、多任务切换等场景下表现突出，特别是在需要持续记忆前文要求的长流程任务中，遗漏关键条件的概率大幅降低。
在成本控制策略上，meta推出贡献者计划：允许开发者以折扣价使用服务，条件是授权公司使用其代码数据训练模型。据统计，已有相当比例的开发者选择加入该计划，这种数据换算力的模式既降低了用户门槛，又为模型迭代提供了真实场景数据支持。
安全机制建设同样受到重视。尽管公司未因安全问题暂停研发，但已加大对齐（Alignment）技术投入，通过多重安全限制防止模型触碰风险边界。目前开放的推理模式已通过基础安全测试，更高算力的max reasoning版本将在完成额外评估后陆续发布。
本周人工智能领域呈现激烈竞争态势：Anthropic更新Fable和Mythos系列，谷歌推出Gemini 3.8 Flash及网络安全专用版本，OpenAI确认Astra即将上线。meta AI负责人Alexandr Wang在发布后公开调侃竞争对手，称"真不想这么说，但是……Gemini是谁？"，为这场技术竞赛增添了火药味。各家企业正从单一指标竞争转向综合能力的比拼，在编程效率、智能体续航、工具调用、成本控制等多个维度展开全面较量。
