Muse Spark 1.3 – Meta面向Agent长任务与编程的新模型

Muse Spark 1.3 是 Meta Superintelligence Labs 发布的 Muse 系列更新，重点面向长时间运行的 Agent 工作流、编程、多任务处理和复杂指令遵循。模型已接入 Muse Code 与 Meta Model API。

核心升级

• 长任务能力：能在开放式目标中收集上下文、发现计划缺口并持续记录进度；
• 主动协作：遇到模糊要求会询问，受阻时会请求帮助，执行重要操作前会确认；
• 多任务处理：在混杂的长对话中更准确地将新指令对应到正确任务；
• 编程效率：Meta 内部工程比较显示，相比 1.2 约减少 20% 工具调用和约 25% Token；
• 安全改进：增强对提示注入和对抗输入的抵抗，并强化不可逆操作判断。

如何使用 Muse Spark 1.3

1. 选择入口：普通开发任务可使用 Muse Code；应用开发者可进入 Meta Model API。
2. 注册并登录：打开官网，根据当前地区与账户资格完成注册。
3. 安装 Muse Code：macOS 或 Linux 用户可按官方页面提供的命令安装；执行脚本前应先阅读脚本与权限说明。
4. 创建项目：从小型代码库或独立任务开始，让模型先读取项目说明、约束和测试命令。
5. 写清验收标准：说明需要修改的范围、不得触碰的文件、测试条件和最终交付格式。
6. 逐步授权：对终端、网络、文件写入和发布操作采用最小权限，关键步骤保留人工确认。

适合哪些任务

适合代码理解、跨文件修改、调试测试、技术报告、多资料分析以及需要持续保持约束的长流程任务。模型也可处理文档、表格、音频等混合输入，但真实效果仍取决于接入工具和任务环境。

成本与效率怎么看

工具调用和 Token 减少有机会同时降低等待时间与 API 成本，但官方披露的数据来自 Meta 工程师的内部比较，不应直接等同于所有代码库和用户场景。建议用自己的任务集记录成功率、修正次数、时延与总成本。

使用边界

长时间运行并不代表可以无人监督。涉及生产部署、删除数据、账号权限、付费和对外发布时，应要求模型先给出计划与差异，执行后再查看日志和测试结果。Max reasoning 模式需完成额外安全测试后推出，具体可用性以官网为准。