Meta Muse Spark 1.3：工具调用少 20%、Token 少 25%，长程 Agent 的“效率”开始不能只看 Token 单价

Meta 在 2026 年 9 月 2 日发布 Muse Spark 1.3，并在 Muse Code 与 Meta Model API 上线。相比一次单纯的 coding benchmark 刷新，这次更值得关注的是 Meta 对 long-horizon agentic workflows 的训练目标：模型需要在一个很长的线程里同时维护多项工作，从混乱甚至互相冲突的资料中构建上下文，发现计划缺口后主动修正，并最终交付结果。Meta AI Research 发布说明

Meta 工程师给出了一组很抓眼球的内部比较：相对 Muse Spark 1.2，1.3 在他们的 coding workflow 中约使用 20% 更少的 tool calls、25% 更少的 tokens。但这组数字真正有价值的地方，不是把“Token 少 25%”理解成账单必然下降 25%，而是它提示了一个正在变化的 Agent 评价维度：效率开始取决于模型是否会减少无意义的轮次，而不只是每百万 Token 的单价。

这次优化的不是“会不会用工具”，而是 Agent Loop 的纪律

Meta 对 Muse Spark 1.3 的行为描述很具体。当任务含糊时，模型更倾向于向用户提澄清问题；遇到自己解决不了的障碍时，会主动请求帮助；在执行 consequential actions 或不可逆操作前，会先向用户确认。Meta 发布说明

把这些行为放到一个长程工作流里看，它们并不是“聊天更礼貌”，而是 Agent Loop 的控制策略：

• Ambiguous → Clarify：避免一开始理解错目标，后面几十轮全部返工。
• Blocked → Ask for help：避免模型在缺权限、缺资料或能力不足时继续虚构进展。
• Consequential → Confirm：把真正高风险的动作留给用户做最后确认。
• No need → Fewer turns：不需要额外轮次时，尽量不要为了“显得在思考”重复调用工具。

Meta 还称 1.3 更能在单一长线程中区分用户插入的新任务、旧任务的继续指令和跨任务上下文。这类能力很难用一个静态知识问答分数完整描述，但对持续工作数小时的 Agent 来说，往往直接决定最终完成率。

“少 20% Tool Calls、少 25% Token”只代表一类工作流

Meta 对效率数字写得很谨慎：它来自 comparisons by Meta engineers。换句话说，这是厂商在自己的工程工作流与 harness 下看到的结果，而不是一个可以直接套用到任意 Agent 的通用系数。Meta 发布说明

第三方数据也说明了为什么要保留这个边界。Artificial Analysis 的 Muse Spark 1.3 xhigh 页面把公开 xhigh 变体的 Intelligence Index 评为 61，并给出约 0.55 美元 / Intelligence Index task 的综合任务成本。它采用的是自己的固定任务集和统一 harness，而不是 Meta 工程师的内部 coding workflow。

因此，两个结果并不矛盾：一个模型可以在真实 coding workflow 里因为少走无效轮次而节省工具调用，同时在另一套更难、更固定的独立任务上投入更多推理或上下文。对生产 Agent 来说，真正该测的是：

完成同一项真实任务需要多少轮、多少次工具调用、多少 Token、多少人工接管，以及最终是否一次交付成功。

只比较输入 / 输出单价，已经越来越难解释 Agent 的真实成本。

Muse Spark 1.3 更像“会管理自己的不确定性”

Meta 还强调 1.3 对自身能力和限制的认识更好：知道自己会什么、不会什么、知道什么时候遇到了障碍，而不是继续 hallucinate outcomes。Meta 发布说明

这与传统 benchmark 的区别在于，长程 Agent 的失败经常不是“某道题不会”，而是：

1. 一开始误解需求却一直执行；
2. 工具返回异常后没有停下来；
3. 已经丢失关键约束却继续生成；
4. 高风险操作没有确认；
5. 做完后没有判断结果是否真正满足交付条件。

如果 1.3 的训练确实能减少这些行为，那么它的价值会更多体现在返工率和中途人工接管次数，而不仅是每秒输出多少 Token。

Max Reasoning 发布时还没有一般开放

Muse Spark 1.3 发布时，Meta 表示此前已有的 reasoning modes 可以使用，但 max reasoning 仍要等额外安全测试完成后再开放。Meta 发布说明

Artificial Analysis 的发布分析已经测试到 limited preview 的 max 变体，并给出 Intelligence Index 62；公开 xhigh 为 61。这两项不能被混成“开发者现在已经能稳定调用 62 分版本”。如果后续 Meta 正式开放 max，文章中的 availability 和评测口径也需要同步更新。

Open Weights 仍在 Roadmap，不是已经开源

Meta 在发布页最后提到未来会有更大的模型，以及 Muse Spark open weights release。但截至这次发布，Muse Spark 1.3 仍是通过 Muse Code 和 Meta Model API 使用的模型，开放权重只是 roadmap。Meta 发布说明

这也是为什么“Meta 又回到开放模型路线”现在还不能作为事实结论。更准确的说法是：Meta 已经公开承诺权重发布方向，但时间和具体版本还没有在本次发布中落地。

长程 Agent 的效率，应该看“完成一次工作”的总成本

Muse Spark 1.3 最值得学习的变化，是 Meta 把效率从模型推理速度扩展到了 Agent 行为：少走不必要的轮次、知道何时问、何时停、何时确认，以及能否在长线程里保持任务边界。

对实际选型来说，20% fewer tool calls / 25% fewer tokens 可以作为一个值得复测的信号，但不能直接当成成本承诺。未来评价一个生产 Agent，更合理的指标可能不是“每百万 Token 多少钱”，而是：一个完整任务从开始到验收，需要多少 Token、多少工具调用、多少分钟、多少次人工介入，以及成功率是多少。