AIREITERMuse Spark 1.2 值不值得用？先講結論
Meta 在 2026 年 8 月 5 日推出 Muse Spark 1.2，同步帶來專為它打造、可在終端機執行的 Muse Code agent。相較 1.1，這次在程式開發基準的進步確實看得到；不過面對 Claude Opus 5，它在三項程式測試中仍全數落敗。這正是 Muse Spark 1.2 的核心定位：升級不是假的。Meta 擴大了程式訓練運算資源，也讓模型與 Muse Code agent 共同訓練，成績因此上升；但版本間的躍進有一部分來自新的測試 harness，而不完全是模型本身。無論是 Terminal-Bench、DeepSWE，還是 Meta 自家的內部程式評測，Anthropic 的模型仍領先 4 到 9 分。
但它的價格依然很有吸引力。標準方案維持每百萬 token $1.25/$4.25，貢獻者方案則再便宜約 12 倍。代價也很明確：預設路徑會將你的程式碼送入 Meta 的訓練資料；而在最高推理強度下，首個 token 的等待時間約惡化為原本的九倍。若你正評估是否把 Muse Spark 1.2 用於正式的程式開發流程，這兩點比排行榜名次更值得在意。
相較 1.1，這次到底升級了什麼？
Muse Spark 1.2 是 Meta 前沿推理模型的程式開發導向更新版，於 8 月 5 日推出，並搭配目前處於 beta 的終端機程式 agent：Muse Code。Meta 對它的說法很克制，稱其為相較 Muse Spark 1.1 的「中度改進」。這個措辭看似保守，但這次升級確實集中在程式 agent 最吃力的情境：跨多檔案重構、長時間除錯，以及遠超過單一 prompt 範圍的任務。
帶動進步的訓練設計主要有兩項。第一，Muse Code 從一開始就被納入訓練迴圈。Meta 使用經拒絕採樣的 harness 軌跡，讓模型與這個 agent 共同訓練，使其在自家 agent 中能有最佳表現。公司也表示訓練橫跨多種 harness，因此模型依然能泛化到其他程式工具。第二，Meta 建立了自我改進迴圈：由 Muse Spark 1.1 產生高難度程式環境與指令遵循範本，再對候選解答進行評分，進而形成 1.2 的訓練資料。Meta 認為，正是這套迴圈讓 1.2 在遵循複雜指令方面有可量化的提升。
這次更新直接補強了 Muse 系列最弱的一環。Muse Spark 在 2026 年 4 月首次亮相時，agentic coding 表現落後，SWE-Bench Verified 得分為 77.4，而 Claude Opus 4.6 是 80.8。如今透過程式專用 checkpoint 搭配量身打造的 harness，Meta 直接回應了這項弱點，同時維持通用 agent 能力。
看懂基準成績：有競爭力，但還不是第一
在 Terminal-Bench 2.1 上，於 Muse Code 中執行的 Muse Spark 1.2 拿到 82.9%，略勝 Codex 中的 GPT-5.6 Terra（81.8%）及 Grok Build 中的 Grok 4.5（81.6%）；但 Claude Code 裡以最大 effort 執行的 Claude Opus 5 取得 86.7%，仍居第一。DeepSWE 1.1 的成績為 59.3%，排名第三，落後 Opus 5 的 65.0% 與 GPT-5.6 Terra 的 64.8%。Meta 自家的內部程式基準則是三者中最坦率的一項：Muse Spark 1.2 的 70.6% 高於 GPT-5.6 Terra（65.4%）與 Gemini 3.6 Flash（63.9%），但與 Opus 5 的 79.4% 相比仍差近九分。三張榜單的第一名都是 Claude。
跨代進步的幅度並不小：Muse Spark 1.2 在 Terminal-Bench 比 1.1 高出 6.7 分，在 DeepSWE 高出 6.3 分。不過，若要比較版本，圖表標示中的一項細節很重要：1.1 是在通用的 mini-swe-agent harness 中測得，1.2 則是在 Muse Code 中執行。因此，這段成長有一部分應歸功於新 harness，而不只是新模型。在 Artificial Analysis 的綜合 Intelligence Index 上，1.2 得分為 54，在 186 個模型中排名第 14，高於同級中位數 32；相較 1.1 的 51，這項提升就比程式榜單呈現的幅度更溫和。
使用者最常問的，正是它與 Claude、GPT 的正面比較。在 1.2 尚未有資料前，一位 Reddit 開發者便直接問道：
「有人用過 Meta 的 MUSE Spark 1.1 嗎？我很好奇它在推理、程式開發、速度、準確度與 context 處理方面，和 Claude、GPT 相比如何。」
1.2 的基準成績是這個問題第一個足夠嚴謹的答案：它有競爭力，在程式開發上明確居於第二，且在多數圖表中領先 GPT-5.6 與 Gemini 的選項。
正式導入前，先看兩個關鍵限制
Muse Spark 1.2 能否真正融入工作流程，取決於兩個排行榜看不出來的實務細節。
xhigh 模式的延遲明顯退步
Muse Spark 是推理模型，回答前一定會先思考，這個行為無法關閉。/effort 可從 minimal 調整至 xhigh，共有五個等級，而思考 token 也會按輸出 token 計費。最高強度的代價不只一種。OrcaRouter 公布的獨立測量顯示，在 xhigh 下，首個 token 時間從 1.1 的 2.90 秒升至 26.12 秒，約增加九倍；輸出速度則從每秒 213.5 token 降至 165.0 token。使用 1.2 跑 Artificial Analysis Intelligence Index 評測的成本為 $637.85，比 1.1 的 $548.07 高出 16%，純粹是因為模型思考得更多。若是開發者正在等回覆的互動式程式工作，最大 effort 所換來的準確度，往往不值得付出這樣的延遲。
貢獻者方案：用程式碼換取折扣
Meta 為 Muse Spark 1.2 提供兩種定價方案，而它引導新用戶使用的那一種附帶條件。貢獻者方案的輸入／輸出價格為每百萬 token $0.10/$0.20，標準方案則為 $1.25/$4.25；前者輸入約便宜 12 倍、輸出約便宜 21 倍，快取輸入更接近免費，只要 $0.002。交換條件是你明確授權 Meta 使用 prompts 與 completions 訓練未來模型。這是上述比較中最便宜的費率，但你是用自己的資料支付差額。
Muse Code 預設的新手導入流程，會讓開發者進入這個方案。VentureBeat 報導的測試指出，一行安裝指令可在 Mac mini 上順利運作，需要下載 97 MB 並登入；不過 agent 並未實際執行任何內容，反而顯示沒有可見模型，而且即使使用折扣方案仍需提供付款方式。它確實低價，但不是免費。速率限制也更嚴格：每分鐘 60 次請求，標準方案則是 3,000 次。這清楚說明該方案鎖定的是個人與原型開發，而非正式生產環境。擁有專有程式碼庫的團隊，應主動改用標準方案，或透過 Meta 業務窗口申請零資料保留。
放進市場比價：Muse Spark 的位置在哪裡？
Muse Spark 1.2 的標準方案為每百萬輸入 token $1.25、快取 $0.15、輸出 $4.25，context window 為 1M token，且不收長 context 加價；在程式模型市場屬於中低價位。它明顯比頂尖程式模型便宜：Claude Opus 5 的價格是 $5/$25，GPT-5.5 是 $5/$30，輸出價格約為它的 4 到 7 倍。它與 Z.ai 的 GLM-5.2 幾乎是同價位產品，後者為 $1.40/$4.40；也比 Grok 4.5 的 $2/$6 更低。至於低價市場，DeepSeek V4 Pro 的 $0.435/$0.87 便宜了好幾倍，Muse Spark 的貢獻者方案也是如此。
| 模型 | 輸入 $/M | 輸出 $/M | 快取 $/M | Context |
|---|---|---|---|---|
| Muse Spark 1.2（標準） | 1.25 | 4.25 | 0.15 | 1M |
| Muse Spark 1.2（貢獻者）* | 0.10 | 0.20 | 0.002 | 1M |
| Claude Opus 5 | 5.00 | 25.00 | — | — |
| GPT-5.5 | 5.00 | 30.00 | — | — |
| GLM-5.2 | 1.40 | 4.40 | — | — |
| Grok 4.5 | 2.00 | 6.00 | — | — |
| DeepSeek V4 Pro | 0.435 | 0.87 | — | — |
\*貢獻者方案授予 Meta 使用你的資料訓練模型的權利；上限為每分鐘 60 次請求。
目前在哪裡可用？今天能選什麼替代方案？
Muse Spark 1.2 目前可透過三個管道取得：Meta Model API、Muse Code 終端機 agent，以及 OpenRouter。它尚未登上所有聚合平台；截至 2026 年 8 月 6 日查詢，AIReiter 的目錄尚未列出它。若你的技術堆疊依賴統一 API，又希望今天就使用程式模型，只能從現有已接入的選項中挑選。
目前最接近其價位帶的選項是 GLM-5.2，價格為 $1.40/$4.40。2026 年 8 月 6 日，我透過平台 API 路由的 glm-5.2，執行了一項單次程式推理任務，看看「今天就能用」的模型表現如何：題目是一個缺少透支檢查的 Python 提款函式。GLM-5.2 在 3.2 秒內回覆，使用 85 個 prompt token 與 128 個 completion token；它正確指出缺少餘額保護條件，給出修正程式碼（if amount > 0 and account_balance >= amount:），並寫出一個修正前會失敗、修正後能通過的測試。這只是一項任務，不是基準測試；但它證明同價位已有可立即呼叫、能正常工作的程式模型。AIReiter 目錄中另有 DeepSeek V4 Pro、Kimi K3、Claude Sonnet 5 與 GPT-5.6 系列等具備程式能力的選項。
該不該用 Muse Spark 1.2？
答案取決於你最在意的是什麼，大致可分成三種情境。
選 Muse Spark 1.2，如果你需要大規模、重視成本的程式開發能力，例如大型多檔案重構、長時間除錯與長跨度 agentic 任務，且願意直接使用 Meta、Muse Code 或 OpenRouter。以 $1.25/$4.25 的價格，它提供前沿級程式能力與中階定價；1M context window 加上 context compaction，也適合超出單一 prompt 範圍的工作。除非任務可接受 26 秒才收到首個 token，否則推理強度不要調到 xhigh。
選 Claude Opus 5，如果你需要程式基準榜上的最佳成績。它在 Muse Spark 1.2 出現的三項基準中全數領先；不過，你得為這份準確度優勢付出每 token 高出 4 到 6 倍的費用。
選擇已在你的聚合平台上的模型，如果你今天就得上線，而 Muse Spark 尚未在你的平台提供。GLM-5.2 能立即提供相同價位帶的選擇；若原始成本才是絕對優先，DeepSeek V4 Pro 還會更便宜。
常見問題
Muse Spark 1.2 的程式能力比 Claude Opus 5 好嗎？
不是。Claude Opus 5 在 Meta 公布的三項程式基準中全部領先，包括 Terminal-Bench 2.1、DeepSWE 1.1 與 Meta 內部程式評測，領先幅度為 3.8 到 9 分。Muse Spark 1.2 明確居於第二，且在多數圖表中優於 GPT-5.6 Terra 與 Gemini 3.6 Flash。
Muse Spark 1.2 是開源模型嗎？
不是。不同於 Meta 的 Llama 系列，Muse Spark 是專有模型：僅限雲端使用、不提供可下載權重，也無法自行部署。Mark Zuckerberg 曾表示，對於可能的開源發布「將有更多消息可分享」，但 1.2 推出時沒有提供權重或授權條款。