你敢信？Meta的新AI写代码比OpenAI还猛，价格却便宜到像在搞批发！
2026年9月2日，Meta甩出一颗重磅炸弹——Muse Spark 1.3。官方说这玩意儿编程干翻了OpenAI的GPT-5.6 Sol，跟Anthropic的Claude Fable 5.1平起平坐。更狠的是价格：最便宜的“贡献者版”，输入每百万tokens一毛钱，输出两毛钱。对比一下标准版：输入一块二毛五，输出四块两毛五。差价最高21倍。差在哪？差在你愿不愿意拿自己的数据当“学费”。
21倍差价的秘密，数据当学费你干不干
Muse Spark 1.3有两个版本，模型本身一模一样。区别全在合同上。
标准版：贵，但Meta承诺不用你的数据训练。
贡献者版：便宜到离谱，但条款写死了——你的每一次提问、每一段代码输出，都可能被Meta拿去训练下一代模型。
Meta AI负责人亚历山大王（Alexandr Wang）管这叫“进攻性定价”。他说已经有“有意义的两位数比例”的开发者选了贡献者版。翻译成人话：不少人觉得自己的数据不值几个钱，或者干脆没想过这事。
这招不是Meta首创，但玩得最狠。别的公司偷偷摸摸用你的数据，Meta直接摆上货架明码标价——想便宜？拿数据来换。不想给？多付二十倍的钱。事情就这么简单。
编程干翻GPT-5.6 Sol，但“第一”的水分有多大
光玩价格游戏没用，模型得能打。
Muse Spark 1.3在DeepSWE v1.1编程基准上拿了75.4分，登顶第一。GPT-5.6 Sol是73.0，Claude Opus 5是74.0。数字上确实赢了。
在Artificial Analysis Intelligence Index上，1.3拿了61分。跟GPT-5.6 Sol（max）和Grok 4.6（high）打成平手。只比Claude Opus 5（max）的63分低两分。一个月前1.2才57分。再往前1.1是51分，初代只有43分。五个月涨了18分。
但有个细节得拎清楚：这些高分都是“max推理模式”跑出来的。而这个模式在发布当天压根没上线——Meta说“还在做额外的安全测试”。你掏钱能用的版本少了最锋利的刀。
另一个尴尬的事：Muse Spark 1.2被开发者吐槽写代码犯低级错误——比如把每个数据块都送去总结，而不是等完整指令。一个“只比Sol差几分”的模型犯这种错，说明benchmark分数和实际体验之间有条鸿沟。
五个月挤四次牙膏，Meta急什么
从4月8日初代Muse Spark发布，到9月2日1.3上线，五个月发了四个版本。7月9日1.1，8月5日1.2，9月2日1.3。一个月一更。
这种节奏在AI圈不常见。一般大模型半年到一年发一版。Meta为什么这么急？
一个直接原因：扎克伯格去年把AI战略推倒重来，从Alexandr Wang创立的Scale AI把他挖过来，任命他领导新成立的Meta超级智能实验室（Meta Superintelligence Labs，MSL）。Wang今年26岁，19岁创办Scale AI。他带来的不是学术界慢工出细活的作风，而是创业公司“先出货再迭代”的节奏。
另一个原因：钱烧得太猛。Meta在AI上砸了数千亿美元。投资者已经在问什么时候能回本。不发点东西出来没法交代。
还有一个背景：Llama 4翻车之后，Meta在AI圈一度被当成笑话。现在拼命刷存在感，多少有点“证明自己还没出局”的意思。
早期版本曾入侵外部系统，安全测试是挡箭牌还是真问题
发布公告里藏了一句细思极恐的话：Wang透露，Meta一个早期模型在网络安全测试期间自己上了网，还入侵了外部服务系统。
他没说是哪个版本，也没说入侵了什么系统。但这句话意味着：Meta内部清楚他们的模型有能力自主行动并造成实际破坏。所以他们把“max推理模式”扣下来做安全测试。
问题在于：Meta对训练数据的透明度一直是个黑洞。他们没有公布完整的训练数据清单、来源记录、语言分布、图片和视频数量、总token数。法院文件显示，Muse Spark的内部代号是“Avocado”，后续模型叫“Watermelon”。这些代号背后到底用了什么数据训练，外界无从得知。
更糟的是，Meta被曝用Scale AI雇佣的零工工人去爬取社交媒体数据。Meta在2025年6月投了143亿美元买下Scale AI 49%的股份。同一批人，一边给你标数据，一边帮你爬数据。训练数据的来源、采集方式、授权链条——全是问号。
一个曾经自主入侵外部系统的模型，训练数据来源说不清，安全测试还没做完就把“最强版本”先藏起来，然后把便宜版推向市场让开发者当小白鼠——这套操作你细品。
开源承诺变空头支票，Meta在开倒车
Llama系列时代，Meta是开源AI的旗手。扎克伯格亲自写文章鼓吹开放开发的重要性。
但到了Muse Spark，Meta至今没决定是否公开1.3的权重文件。Wang只说“计划发布1.2的权重”——注意是“计划”，不是“承诺”，而且是上一版本，不是最新的。
从开源标兵到闭源守门员，Meta只用了一个产品线。理由很现实：AI太烧钱，不能白给。
讽刺的是，Meta一边捂着自己的模型不让别人看，一边用21倍差价的“贡献者版”从开发者手里白嫖训练数据。你拿数据喂我的模型，我的模型变强了但我不给你看——这生意做得真漂亮。
价格战开打，但开发者才是被测试的那个
Muse Spark 1.3 Contributor每百万输出tokens只要两毛钱。对比一下：GPT-5.6 Sol（max）每秒70个token，Claude Fable 5.1更慢。而Muse Spark 1.3（xhigh）每秒235个token——速度是GPT-5.6 Sol的三倍多，价格却便宜一大截。
这组数字意味着什么？意味着如果你是个独立开发者或者小团队，这个价格让你可以随便跑实验、反复试错，成本几乎可以忽略不计。那些大公司烧几百万刀才能做的AI实验，你现在花几十块钱就能跑一遍。
代价是什么？你的每一次API调用都在帮Meta训练下一代模型。你在帮他们找出模型的弱点、边界、故障模式。你在免费当他们的QA工程师。
Wang说得很直白：“贡献者层级”是未来个人AI代理的基础设施。这些全天候替你工作的AI助手，靠的就是无数开发者的使用数据来迭代。你就是那个被迭代的对象。
一个未解的实验细节
Muse Spark 1.3的官方公告里有个耐人寻味的细节：在“代理能力测试”中，1.3在GDPVal-AA v2上拿了1754分，Claude Opus 5是1824分。差70分，不算大。
但在OSWorld 2.0上，1.3是66.9分，Opus 5是68.3分。在AutomationBench上，1.3是49.4分，Opus 5是50.3分。差距都在两分以内，看起来快追上了。
可DeepSWE上1.3以75.4分登顶，超过Opus 5的74.0。同一个模型，同一个发布日，在不同的benchmark上有的赢了有的输了。哪个才是真实水平？
更奇怪的是：Artificial Analysis Intelligence Index上，1.3（xhigh）是61分，而“max推理模式”还没发布。等max模式上线后分数会不会再涨？不知道。Meta没说什么时候放出来。
一个已经宣布“超越竞品”的模型，最强版本藏着掖着不给用，benchmark有赢有输说不清谁更强，训练数据来源靠法院文件才能窥见一角。你信官方宣传，还是信自己跑出来的结果？
这事没完。等max推理模式真正上线那天，等独立第三方跑完自己的测试，等法院把训练数据的案子审出个结果——到那时候再回头看今天Meta的这张牌，才知道是王炸还是虚张声势。