AIREITERMuse Spark 1.2 值不值得用：先说结论
Meta 于 2026 年 8 月 5 日推出 Muse Spark 1.2，并同步发布了为它打造、目前仍处于 beta 阶段的终端编程代理 Muse Code。相较 1.1，它在代码基准上确实有所进步；但在三项编程评测中，Claude Opus 5 依然全部领先。这也正是 Muse Spark 1.2 的核心矛盾：升级并非虚张声势，Meta 增加了编程训练算力，并让模型与 Muse Code agent 联合训练，成绩也随之上涨；不过，版本间的提升有一部分来自新 harness，而不完全是模型本身。在 Terminal-Bench、DeepSWE 以及 Meta 内部代码评测中，Anthropic 的模型仍领先 4 到 9 分。
不过，价格仍让它很有吸引力。标准价维持在每百万 token $1.25/$4.25，contributor 套餐还能再低约 12 倍。但代价也很明确：默认路径会将你的代码用于 Meta 的模型训练；而且在最高推理强度下，首 token 时间相比此前退化了约 9 倍。若准备把 Muse Spark 1.2 用于生产环境编程，这两点往往比排行榜名次更重要。
从 1.1 到 1.2，Meta 到底改了什么
Muse Spark 1.2 是 Meta 旗下前沿推理模型的一次面向编程的更新，于 8 月 5 日与终端编程代理 Muse Code 一同发布。Meta 将其定义为相对 Muse Spark 1.1 的“适度改进”。这个措辞相当克制，但它瞄准的正是编程 agent 最吃力的场景：跨多文件重构、长时间调试，以及远超单轮提示词长度的任务。
这次提升主要来自两项训练设计。其一，Muse Code 从第一天起就进入了训练闭环。Meta 使用经拒绝采样的 harness 轨迹，让模型与自身 agent 协同训练，使其在 Muse Code 内发挥最佳表现。公司表示训练覆盖了多个 harness，因此模型仍可泛化到其他编程工具。其二，Meta 建立了一套自我改进循环：由 Muse Spark 1.1 生成高难度编程环境和指令遵循模板，再对候选解答进行评分，进而构成 1.2 的训练数据集。Meta 认为，这一循环让 1.2 在执行复杂指令时有了可衡量的提升。
这次更新直指 Muse 系列此前最弱的一环。Muse Spark 在 2026 年 4 月首次发布时，agentic coding 表现落后：SWE-Bench Verified 得分为 77.4，Claude Opus 4.6 则为 80.8。如今，面向编程的专用 checkpoint 加上专门设计的 harness，就是对此的直接回应，同时也保持了通用 agentic 能力。
怎么看基准成绩，才不会被数字误导
在 Terminal-Bench 2.1 上，运行于 Muse Code 中的 Muse Spark 1.2 得分 82.9%，略高于 Codex 中的 GPT-5.6 Terra（81.8%）和 Grok Build 中的 Grok 4.5（81.6%），但仍落后于 Claude Code 中以最高 effort 运行、得分 86.7% 的 Claude Opus 5。DeepSWE 1.1 上，它取得 59.3%，排名第三，低于 Opus 5 的 65.0% 和 GPT-5.6 Terra 的 64.8%。Meta 自己的内部代码评测最能说明差距：Muse Spark 1.2 的 70.6% 超过 GPT-5.6 Terra 的 65.4% 与 Gemini 3.6 Flash 的 63.9%，但仍比 Opus 5 的 79.4% 低近 9 分。三张图表的榜首，都是 Claude。
代际提升是真实存在的：相比 1.1，Muse Spark 1.2 在 Terminal-Bench 上提高 6.7 分，在 DeepSWE 上提高 6.3 分。但比较版本时，图表标签中有一个细节不能忽略。1.1 的成绩来自通用 mini-swe-agent harness，1.2 则运行在 Muse Code 中。因此，这部分涨幅应归功于新 harness，而不只是新模型。按 Artificial Analysis 的综合 Intelligence Index，1.2 得分为 54，在 186 个模型中排名第 14，而该类别中位数是 32；1.1 为 51。相比编程图表，这个增长显得更平缓。
与 Claude 和 GPT 的正面比较，正是潜在用户最常问的问题。在 1.2 的数据公布前，一位开发者在 Reddit 上直白地问道：
“有人用过 Meta 的 MUSE Spark 1.1 吗？我想知道它在推理、编程、速度、准确性和上下文处理上，与 Claude 和 GPT 相比表现如何。”
1.2 的基准结果首次为这个问题给出了较严格的答案：它具备竞争力，在编程上明确居于第二梯队，并且在大多数图表上领先 GPT-5.6 和 Gemini 选项。
生产环境绕不开的两个问题
决定 Muse Spark 1.2 能否融入实际工作流的，是两个排行榜上看不出来的细节。
xhigh 推理强度下，延迟明显恶化
Muse Spark 是推理模型，回答前会先进行思考，而且这一过程无法关闭。它通过 /effort 提供从 minimal 到 xhigh 的五档设置，思考 token 也会按输出 token 计费。最高档的代价不止体现在账单上。OrcaRouter 发布的独立测量显示，在 xhigh 下，首 token 时间从 1.1 的 2.90 秒升至 26.12 秒，约为原来的 9 倍；输出速度则从每秒 213.5 token 降至 165.0 token。运行 Artificial Analysis Intelligence Index 评测时，1.2 的成本为 $637.85，比 1.1 的 $548.07 高出 16%，原因完全在于模型思考得更多。对于开发者正在等待回复的交互式编程场景，最高推理强度往往是在用难以接受的延迟交换准确率。
contributor 套餐：用代码数据换低价
Meta 为 Muse Spark 1.2 提供两档价格，而它引导新用户使用的那一档附带条件。contributor 套餐的每百万 input/output token 价格为 $0.10/$0.20，标准套餐则是 $1.25/$4.25；前者的 input 约便宜 12 倍，output 约便宜 21 倍，缓存 input 更是低至 $0.002。相应交换条件也写得很清楚：你明确授权 Meta 使用你的 prompts 和 completions 训练未来模型。在上面的对比中，它是最便宜的费率；付出的代价是你的数据。
Muse Code 面向新用户的默认接入路径，落在的正是这一套餐。VentureBeat 报道的测试显示，一行安装命令可在 Mac mini 上正常运行，需要下载 97 MB 并登录；但该 agent 随后没有真正执行任务，显示没有可见模型，即便使用折扣套餐也仍要求添加付款方式。低价没错，但它不是免费的。该套餐的速率限制也更紧：每分钟 60 次请求，而标准套餐为 3,000 次。这很明显是面向个人用户和原型开发，而非生产环境。拥有专有代码库的团队，应主动切换到标准定价，或通过 Meta 销售团队申请零数据保留。
放到市场里看：Muse Spark 的价格位置
Muse Spark 1.2 的标准套餐为每百万 input $1.25、缓存 $0.15、output $4.25，提供 1M token 上下文窗口，且不收取长上下文溢价。在编程模型市场中，这属于中低价位。相较前沿编程榜首模型，它便宜得很明显：Claude Opus 5 的价格为 $5/$25，GPT-5.5 为 $5/$30，output 价格约高出 4 到 7 倍。它与 Z.ai 的 GLM-5.2 几乎处在同一价位，后者为 $1.40/$4.40；而 Grok 4.5 的 $2/$6 则高一个台阶。至于极低价市场，DeepSeek V4 Pro 的 $0.435/$0.87 多倍低于它，Muse Spark contributor 套餐同样如此。
| 模型 | Input $/M | Output $/M | 缓存 $/M | 上下文 |
|---|---|---|---|---|
| Muse Spark 1.2（标准） | 1.25 | 4.25 | 0.15 | 1M |
| Muse Spark 1.2（contributor）* | 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 | — | — |
\*contributor 套餐授予 Meta 使用你的数据进行训练的权利；限速为每分钟 60 次请求。
现在哪里能用，以及今天该选什么
Muse Spark 1.2 目前可通过三个渠道使用：Meta Model API、Muse Code 终端 agent 和 OpenRouter。它尚未登陆所有聚合平台——截至 2026 年 8 月 6 日，AIReiter 的目录中还没有它。如果你的技术栈依赖统一 API，又需要立即使用编程模型，只能从目前已接入的平台模型中选择。
目前最接近这一价格档位的选择是 GLM-5.2，价格为 $1.40/$4.40。2026 年 8 月 6 日，我通过平台 API 调用 glm-5.2，运行了一项单轮代码推理任务，想看看“今天就能用”的模型表现如何：一个 Python 取款函数缺少透支检查。GLM-5.2 在 3.2 秒内返回结果，使用了 85 个 prompt token 和 128 个 completion token；它正确识别出缺少余额校验，给出了修复代码（if amount > 0 and account_balance >= amount:），并写出了一个修复前失败、修复后通过的测试。这只是一个任务，不是基准测试；但它证明了在同一价位上，已有能立即调用的可用编程模型。DeepSeek V4 Pro、Kimi K3、Claude Sonnet 5 和 GPT-5.6 系列，则构成 AIReiter 目录中其他已可使用的编程模型选项。
到底该不该选 Muse Spark 1.2？
答案取决于你的优先级，大致可以分成三种情况。
选择 Muse Spark 1.2：如果你需要以较低成本大规模处理编程任务，例如大型跨文件重构、长时间调试或长链路 agentic 任务，并且愿意直接接入 Meta、Muse Code 或 OpenRouter。其 $1.25/$4.25 的价格，提供了接近前沿级别的编程能力；1M 上下文窗口和上下文压缩机制，也适合无法在单个提示词中完成的工作。除非任务能够接受 26 秒首 token 延迟，否则应避免使用 xhigh 推理强度。
选择 Claude Opus 5：如果你需要编程基准上的最高表现。它在 Muse Spark 1.2 参与的三项评测中均居首位。为了这份准确率优势，你需要支付高出 4 到 6 倍的每 token 成本。
选择聚合平台中已接入的模型：如果你今天就要上线，而所在平台尚未提供 Muse Spark。GLM-5.2 无需等待，且价格处于相同档位；若原始成本是首要因素，DeepSeek V4 Pro 还会更便宜。
FAQ
Muse Spark 1.2 的编程能力比 Claude Opus 5 强吗？
不强。Claude Opus 5 在 Meta 公布的三项编程基准——Terminal-Bench 2.1、DeepSWE 1.1 和 Meta 内部代码评测——中均领先，优势为 3.8 到 9 分。Muse Spark 1.2 明确位居第二，并在大多数图表中领先 GPT-5.6 Terra 和 Gemini 3.6 Flash。
Muse Spark 1.2 是开源模型吗？
不是。与 Meta 的 Llama 系列不同，Muse Spark 是专有模型：仅限云端使用，不提供可下载权重，也无法自行部署。Mark Zuckerberg 曾表示，对于可能的开源发布，他“将分享更多消息”；但 1.2 发布时并未提供权重或许可证。