Muse Spark 1.3

Muse Spark 1.3 är Metas uppföljare till Muse Spark 1.2 och bygger på erfarenheterna från hur utvecklare använt Muse Code och Meta Model API. Modellen är tränad för att hålla ihop längre arbetspass och flera uppgifter i samma tråd: den letar själv fram underlag från röriga och motsägelsefulla källor, rättar luckor i sin plan och håller reda på vad den lärt sig. Den ska också samarbeta tydligare, ställa följdfrågor när något är oklart, be om hjälp när den kör fast och fråga innan den gör något som får allvarliga följder. Meta skriver att den har bättre uppfattning om vad den kan och inte kan, i stället för att hitta på resultat.

För programmering är modellen tränad på fler långa kodningsuppgifter. Jämfört med 1.2 tar den färre onödiga steg och är mindre pratig, och i Metas egna jämförelser använde den ungefär 20 % färre verktygsanrop och 25 % färre tokens. Meta lyfter också fram bättre motståndskraft mot manipulerade indata och promptinjektioner. I bloggen visar Meta exempel på yrkesuppgifter som modellen löst, bland annat en rapport om flödessimulering för en flygplansvinge och en presentation i PowerPoint.

Enligt Metas tabell når Muse Spark 1.3 med max resonemang 88,8 % på Terminal-Bench 2.1, lika med GPT 5.6 Sol och före Claude Opus 5 (86,7 %), och 75,4 % på DeepSWE v1.1. Claude Opus 5 ligger före på bland annat GDPval-AA v2, JobBench och OSWorld 2.0. Modellen finns i Muse Code och via Meta Model API med 1 miljon tokens kontext, för 1,25 dollar per miljon tokens in och 4,25 dollar ut (0,10 respektive 0,20 dollar om Meta får använda datan). Meta har inte publicerat modellens storlek.