Meta объявила о выпуске модели искусственного интеллекта Muse Spark 1.3, основные улучшения которой сосредоточены на программировании, долгосрочных агентских задачах и сложных многоэтапных рабочих процессах. Модель доступна с 3 сентября 2026 года через инструмент программирования Muse Code и API Meta Model, примерно через месяц после выпуска Muse Spark 1.2.
Meta описывает новый релиз как наиболее способную из своих моделей на данный момент, однако эта формулировка остаётся характеристикой, предоставленной компанией, и не означает превосходства модели во всех тестах или сценариях использования.
Улучшенные возможности управления длительными задачами
Muse Spark 1.3 разработана для работы с несколькими задачами в рамках одного продолжительного диалога. Получив открытую цель, модель может использовать инструменты для формирования необходимого контекста, обнаруживать и исправлять недочёты в рабочем плане, а затем переносить информацию, полученную в процессе выполнения, в итоговый результат.
Meta также утверждает, что модель стала лучше работать с неоднозначными инструкциями, не прибегая сразу к предположениям: она может задавать уточняющие вопросы, просить пользователя о помощи, если выполнить задачу невозможно, и получать предварительное согласие перед необратимыми операциями или действиями, которые могут иметь существенные последствия. Компания также отмечает улучшения в сохранении ограничений, содержащихся в длинных инструкциях, и в связывании старых запросов с новыми в рамках одного и того же диалога.
Meta указывает, что модель точнее оценивает собственные возможности, чтобы уменьшить количество случаев, когда она создаёт впечатление, будто выполнила задачу, которую фактически не способна выполнить.
Достижения в программировании и использовании ресурсов
Согласно сравнениям, проведённым инженерами Meta, Muse Spark 1.3 выполняет аналогичные задачи, используя примерно на 20% меньше вызовов инструментов и на 25% меньше токенов по сравнению с Muse Spark 1.2. Эти улучшения также связаны с сокращением ненужных раундов диалога и созданием менее подробного, но, по описанию компании, более чистого кода.
В тесте DeepSWE v1.1, предназначенном для долгосрочных задач разработки программного обеспечения, модель набрала 75,4 балла. Тест включает 113 задач в 91 программном репозитории, написанном на языках TypeScript, Go, Python, JavaScript и Rust. Согласно таблице Meta, этот результат превзошёл показатели GPT-5.6 Sol и Claude Opus 5, хотя в других оценках некоторые конкурирующие модели по-прежнему опережают её.
Что фактически доказывают эти цифры?
Результаты DeepSWE демонстрируют измеримое улучшение в указанном тесте, но сами по себе недостаточны, чтобы доказать, что Meta сократила разрыв с OpenAI и Anthropic во всех сценариях использования. Сама компания предупреждает, что тесты на моделях других разработчиков могли быть оптимизированы не для каждой модели и поэтому могут не отражать её максимально возможную производительность.
Платформа Artificial Analysis также поставила максимальной версии модели 62 балла в Intelligence Index и сообщила, что Muse Spark 1.3 имеет контекстное окно размером в один миллион токенов и поддерживает текстовые, графические и видеовходы. Практическое сравнение по-прежнему зависит от используемого теста, метода оценки и агентской инфраструктуры, окружающей модель.
Доступность, стоимость и нерешённые ограничения
Meta не изменила цены API, несмотря на объявленные улучшения производительности. Стандартная стоимость за миллион токенов составляет 1,25 доллара за входные данные, 0,15 доллара за кэшированные входные данные и 4,25 доллара за выходные данные.
Компания заявляет, что усилила устойчивость модели к атакам с внедрением инструкций и вредоносными входными данными, а также обучила её проявлять большую осторожность перед выполнением необратимых операций. Доступны существующие режимы reasoning, а после завершения дополнительных проверок безопасности компания планирует представить режим max reasoning.
Дорожная карта включает более крупные модели Muse Spark и версии с открытыми весами, однако Meta не уточнила, опубликует ли она веса самой Muse Spark 1.3. Поэтому практическая ценность выпуска будет зависеть от результатов независимого использования, сроков доступности дополнительных возможностей reasoning и того, будут ли планы по открытию распространяться именно на эту модель.