先说结论

Muse Spark 1.3 的可写价值，不是再做一张“谁打败谁”的模型榜，而是把长任务里真正影响交付的四件事拆出来：模型能否在资料互相冲突时继续追证据，能否把新指令放回正确任务，能否在卡住时承认并求助，以及能否在发布、删除、付款这类高后果动作前停下来确认。Meta 已在 9 月 2 日把 1.3 推向 Muse Code 与 Model API，但 Max reasoning 和开放权重仍是未来事项，今天不能当作可用功能写进教程。

官方数字怎样读

Meta 的发布说明称，在内部工程师比较中，1.3 相比 1.2 使用约少 20% 的工具调用、约少 25% 的 token，并减少了不必要的来回轮次。这能形成一个很清楚的测试假设，却不是面向所有人的统一节省率。模型可能因为更早问对问题而减少返工，也可能在复杂任务里花更多时间推理；不同 harness、上下文长度、工具失败率和输出要求都会改变账单。首日第三方基准可以帮助选候选，但单个端点的速度、首 token 延迟和榜单分数也不能代替中文任务的端到端复测。

一条免费可复现的测试怎么做

准备同一包公开素材，要求两个版本完成一项包含检索、表格、文档与最终导出的创作任务。事先写死验收项：来源必须可打开，冲突数字必须标明口径，禁止未经确认发布，最终文件必须按指定格式交付。记录总输入输出 token、工具调用数、失败重试、主动提问次数、人工接管次数和最终一次通过率。至少重复三轮，并公开原始提示、验收表和失败样本；不要只挑最好的一次，也不要把“生成了一个文件”当作内容正确。

如果要比较费用，还应把标准端点、可能涉及数据贡献的低价路径、缓存折扣和第三方网关分别列出。价格便宜不等于同一数据处理条件，展示客户素材前要先核对当日条款。涉及合同、未发布脚本、账号密钥和客户身份时，使用去标识化测试集，不要为了测模型把真实敏感资料上传到不明确的路径。

创作者可以直接复制的简报

“请在完全相同的公开素材与验收标准下，对 Muse Spark 1.2 和 1.3 各跑三次长任务。公开每轮工具调用、token、耗时、错误、澄清问题与人工确认点；把 Meta 的 20%/25% 写成厂商待验证数字，把 Max reasoning 和开放权重标为尚未交付。结论只回答哪些工作流真的更省、哪些仍需人工，不做泛化冠军宣言。”

搞着玩实验室继续免费接收这类可复现创意与测试记录；若需要为你自己的业务制作诊断、原型或固定范围 MVP，再单独明确范围与费用。