一场由社区实测拼凑的发布
Meta本周将旗下Muse Spark系列更新至1.3版本，与1.2一样以速度和价格为核心卖点。由于Meta的研究博客与开发者页面在多数地区访问困难，开发者社区主要通过Hacker News的讨论与实测来拼凑这款模型的轮廓。开发者Simon Willison用经典的骑自行车的鹈鹕SVG测试对比两代模型：1.3耗时38秒、成本4.2266美分，输出的自行车车架、翅膀与鹈鹕帽细节均明显优于1.2，而1.2甚至会在未被要求时自动给SVG加上动画效果。
免费档的口碑遗产
1.2版本在免费模型中的口碑是这次发布的基础：多位开发者称其为OpenCode上最好的免费模型，在指令明确、不需要模型做过多假设的简单与中等任务上表现可靠。不过评价并非一边倒——也有用户直言1.2快而廉价，与GPT 5.6 Terra相比能力差距明显。1.3能否延续免费档的可用性、继续出现在OpenCode等编程工具的免费列表中，是社区最关心的问题之一。
贡献者定价：0.1美元的算盘
讨论区流出的定价信息显示，Muse Spark 1.3提供所谓贡献者定价：每百万输入token 0.1美元、输出token 0.2美元，如果性能对标GPT 5.6 Sol等前沿模型，这个价格可以说便宜得离谱。有评论直言，这样的定价清楚地表明用户数据飞轮对强化学习与模型改进有多重要——便宜的部分，本质上是用户用数据换来的折扣。
更耐人寻味的是分层结构：同一系列中，不用于改进产品的版本，价格是用于改进产品版本的10到20倍。有开发者调侃，面对Meta这样的公司，很难不把便宜的那个版本理解成让用户成为产品。这一结构与同期Mistral把用户对话默认用于训练的争议形成微妙对照——行业正在把你的数据是否用于训练这件事明码标价，摆在台面上让用户自己选。
五种推理档位
从实测截图看，1.3带有五个推理档位，Willison为此生成了五只鹈鹕逐一对比不同档位的输出差异。推理档位与Google Gemini 3.8 Flash的effort机制异曲同工：让同一个模型在不同算力预算下交付不同质量，把多想一步的选择权交给调用方。轻量模型的军备竞赛由此从单纯的参数规模转向定价、数据与推理策略的组合拳，API调用者可以在价格与质量之间精细权衡。
贡献者定价的深层逻辑是强化学习时代的数据经济学：真实的用户交互数据是RL训练与模型迭代最稀缺的燃料，与其高价卖推理，不如低价换数据。Meta手握数十亿消费者的免费使用场景，是把这一逻辑推到极致的天然玩家。对开发者而言，市场上将长期并存两条产品线——便宜且被学习的版本，与昂贵且强调隐私的版本，选择哪个取决于应用场景对成本与合规的不同权重。
热度之外也有冷思考：有评论将Meta的模型发布形容为挣扎着保持相关性，亦有用户因公司近期支付180亿美元心理健康相关和解金而表示不愿使用其产品。但更多的开发者务实得多——只要免费档在OpenCode等工具中可用，他们并不介意在简单任务上把工作交给最便宜的模型，毕竟对多数日常编码与文本任务来说，速度和成本比榜单名次更实在。
Muse Spark 1.3发布于一个微妙的时点：Google在三周内连发三代Flash并首次加入安全特化版本，Multiverse Computing的Quasar 438B刚以43分登顶欧洲榜单。Meta没有选择在基准分上正面硬刚，而是把战场设在价格与数据飞轮上。轻量模型的下半场，比拼的或许不再是榜单排名，而是谁能把用得越多越好用的循环转得更快、更便宜。