Muse Spark 1.2 在 2026 年 8 月 5 日上線後，把 Meta 拉回前沿 AI 模型的競爭區間；真正值得追的是 Meta 同步推出 Muse Code，並把模型、工具與多 Agent 工作流程放進同一條訓練迴路。 8 月 7 日的 Artificial Analysis 即時榜單顯示，Muse Spark 1.2 綜合分數約 56.8，高於 1.1 的 53.2；漲幅約 3.6 分，其中 agentic index 從 39.7 升到 49.3，增幅遠大於 coding index 的 0.9 分。
四個月三次發佈，Meta 改變的是研發節奏
Meta 在 2026 年 4 月發表第一代 Muse Spark，7 月 9 日推出 1.1，8 月 5 日再上 1.2。四個月內連續三次發佈，本身就是訊號：這個團隊已從大型版本發表，改成短週期的模型與產品共迭代。
1.2 的定位也比 1.1 窄。1.1 主打多模態推理、工具使用與 100 萬 token 上下文；1.2 則把訓練算力集中到程式設計，增加更多訓練環境，並針對完整任務流程、程式庫理解與除錯做調整。Meta 同一天開放 Muse Code beta，讓使用者在終端機中交付規劃、改碼、測試與驗證。
這個發佈方式讓模型評測變得難拆。Muse Spark 1.2 的成績包含模型能力，也包含 Muse Code 怎麼切任務、壓縮上下文、管理 subagent 與呼叫工具。採購者若只把 56.8 分寫進比較表，會漏掉產品設計帶來的差異。
獨立榜單顯示：提升主要出現在 Agent 工作
Artificial Analysis 的即時資料比社群流傳的 54 分快照更新。8 月 7 日，Muse Spark 1.2 的 intelligence index 約 56.8，Muse Spark 1.1 約 53.2；兩者價格相同，標準版每百萬 input token 為 USD 1.25，output token 為 USD 4.25，上下文皆為 1,048,576 tokens。
| Artificial Analysis 指標 | Muse Spark 1.1 | Muse Spark 1.2 | 變化 |
|---|---|---|---|
| Intelligence index | 53.2 | 56.8 | +3.6 |
| Coding index | 71.3 | 72.2 | +0.9 |
| Agentic index | 39.7 | 49.3 | +9.6 |
| 標準版 input／output，每百萬 tokens | USD 1.25／4.25 | USD 1.25／4.25 | 不變 |
數字支持一個比較克制的結論：1.2 的進步確實存在，提升最明顯的地方落在需要搜尋、工具操作與多步驟執行的 Agent 任務，單次程式題的變化較小。這也符合 Meta 的訓練說明。官方用 Muse Code 的工具軌跡做 rejection sampling，並針對 goal conditioning、context compaction 與 subagent 協作調整模型。
官方 benchmark 證明競爭力，也混入了 Agent 產品差異
Meta 公布的 Terminal-Bench 2.1 結果中，Muse Spark 1.2 搭配 Muse Code 得到 82.9%，高於 1.1 搭配 mini-swe-agent 的 76.2%，落後 Claude Opus 5 搭配 Claude Code 的 86.7%。在 GDPVal-AA v2，1.2 的 Elo 為 1,631，高於 1.1 的 1,371，也高於 Meta 圖表裡 GPT-5.6 Terra 的 1,577 與 Grok 4.5 的 1,526。
但這些圖不能當成純模型排行榜。Meta 的方法文件明確說明，Terminal-Bench 對不同模型搭配不同 coding agent：Muse 用 Muse Code、Claude 用 Claude Code、GPT 用 Codex。GDPVal-AA 與 MCP Atlas 又改用供應商 harness。換句話說，數字測到的是一套可交付的系統，未必能隔離底層模型貢獻。
這種混合衡量符合產品現實。當 Agent 能持續數小時，系統如何保留事件紀錄、恢復中斷任務、避免 subagent 重複搜尋，會直接改變結果。Muse Code 把每次模型呼叫、工具執行、核准與編輯寫入本機 event log，讓工作在當機後可以重播或續跑。這類 runtime 設計很難反映在傳統聊天模型測試裡。
對開發團隊而言，價格之外還要看資料政策
Meta 提供兩個 1.2 端點。標準版不會用客戶資料改善產品，input／cached input／output 每百萬 tokens 分別為 USD 1.25、0.15、4.25。Contributor 版允許 Meta 使用資料改善產品，對應價格降到 USD 0.10、0.002、0.20。兩者都有 100 萬 token 上下文。
Contributor 的 output 價格只有標準版約 4.7%，價差很大，卻不能只當折扣。企業必須先分類原始碼、客戶資料與機密，再決定哪些工作可以進入貢獻型端點。若團隊沒有資料分級與路由，低 token 價格可能換來不符合內部政策的資料處理方式。
Muse Code 目前仍是 beta。它支援 macOS 與 Linux，也能啟動多個常駐背景 Agent；長時間工作可超過 1,000 次工具呼叫，Meta 的 kernel optimization 案例最長跑到 24 小時。這些能力適合程式庫遷移、測試補齊與研究型任務，但企業試點仍應記錄完成率、人工修正時間、錯誤回復與每項任務成本，不能只看 token 單價。
Meta 已重新入場，下一關是把系統優勢變成留存
從能力與發佈速度看，Meta 已回到前沿模型的競爭區間。它選擇從 coding agent 切入，避開以單一通用聊天產品正面追趕所有對手的路線。
下一階段的壓力在產品面。Muse Code 要證明多 Agent 可以穩定完成真實程式庫工作；Meta Model API 要建立容量、支援與企業信任；短週期更新也必須避免每次版本更換都讓既有評測失效。榜單能證明 Meta 重新取得入場券，留存與任務經濟性才會決定這張票值多少。
Muse Spark 1.2 是什麼？
Muse Spark 1.2 是 Meta 針對程式開發與 Agent 工作流程訓練的模型，提供 100 萬 token 上下文。它可透過 Muse Code、Meta Model API 與合作平台使用。
Muse Spark 1.2 比 1.1 強多少？
Artificial Analysis 在 2026 年 8 月 7 日的即時資料顯示，綜合分數約增加 3.6 分。agentic index 約增加 9.6 分，coding index 約增加 0.9 分，提升主要落在多步驟 Agent 任務。
Muse Code 和 Muse Spark 1.2 有何不同？
Muse Spark 1.2 是模型；Muse Code 是使用這個模型的終端機 coding agent。Muse Code 負責工具呼叫、背景 Agent、事件紀錄、上下文管理與工作續跑，兩者共同決定實際任務表現。
企業能否把機密程式碼交給 Contributor 版
不應只看價格決定。Contributor 版允許 Meta 使用資料改善產品，企業要先確認合約、資料分類與內部政策；機密工作較適合選用不將資料用於產品改善的標準版。
權威來源
- Meta Research：Introducing Muse Code and Muse Spark 1.2
- Meta Developer：Muse Spark 1.2 模型與價格
- Meta Research：Muse Spark 1.2 Evaluation Methodology
- Artificial Analysis：Muse Spark 1.2 模型評測
Author Insight
我在替團隊評估 coding agent 時，最常遇到的誤判，是拿底層模型分數預測整套工作流程。真正拖累專案的往往是上下文遺失、工具失敗後無法續跑，以及多個 Agent 重做同一份研究。Muse Spark 1.2 的價值，在於 Meta 開始把這些 runtime 問題納入模型訓練；這條路比再多一個聊天介面更值得企業追蹤。
Tenten 協助企業建立模型選型、程式開發 Agent 試點與任務級評測。如果你想把公開 benchmark 轉成自己的程式庫測試集，可以和 Tenten 團隊討論。
