Meta編碼模型提速

Meta 最新推出的編碼模型 Muse Spark 1.1 在效能與成本之間取得令人矚目的平衡，不僅在編碼能力上小幅領先競爭對手 GLM-5.2，同時也維持更低的價格。根據獨立分析機構 Artificial Analysis 的數據，這款模型在智慧指數（Intelligence Index）上獲得 51 分，與 GLM-5.2、GPT-5.4 以及 GPT-5.6 Luna 並列。值得注意的是，Muse Spark 1.1 在短短三個月內就提升了 8 分，主要進步來自編碼任務與基於代理的知識工作領域。在編碼指數（Coding Index）方面，Muse Spark 1.1 拿下 71.

3 分，領先 GLM-5.2 的 68.8 分，並緊追 GPT-5.6 Luna 的 71.4 分。目前編碼指數排行榜的頂尖位置由 GPT-5.6 Sol（77.4 分）與 Terra（76.7 分）佔據，緊接在後的是 Claude Fable 5（76.5 分）。當然，基準測試分數並不一定完全反映真實世界的使用表現，但這樣的成績仍顯示 Meta 在編碼模型領域的快速進展。除了效能提升，Muse Spark 1.1 的定價策略也相當有競爭力。每項任務的估計成本約為 0.26 美元，相比之下 GLM-5.2 為 0.37 美元，GPT-5.4 則高達 0.89 美元。

此外，Muse Spark 1.1 在輸出時僅使用 9400 萬個 token，而 GLM-5.2 需要 1.41 億個 token，顯示其在運算資源上的效率更佳。這樣的價格與效能組合，讓 Muse Spark 1.1 在性價比圖表中落在較為划算的區間。另一個重要改進是幻覺率的顯著下降。Muse Spark 1.1 的幻覺率從先前的 73% 大幅降至 38%。這意味著模型在面對不確定的問題時，更傾向於拒絕回答，而不是給出錯誤的資訊。這項變化對於需要高度可靠性的開發者與企業用戶來說，是相當正面的訊號。Meta 也將 Muse Spark 1.

1 的上下文窗口擴大到一百萬個 token，是前一代版本的四倍。更大的上下文窗口能讓模型處理更長的程式碼段落、文件或對話記錄，進一步提升在複雜專案中的適用性。目前這款模型僅透過 Meta 自家的 API 提供，尚未在其他平台上線。整體來看，Muse Spark 1.1 的推出顯示 Meta 在大型語言模型領域持續投入，尤其在編碼能力與成本控制上取得具體成果。雖然與頂尖模型如 GPT-5.6 Sol 或 Claude Fable 5 仍有差距，但 Muse Spark 1.1 在中等價位帶中提供了相當有競爭力的選擇。

對於開發者而言，這可能是一個值得評估的工具，特別是在需要大量編碼任務且預算有限的場景下。Artificial Analysis 的數據也指出，Muse Spark 1.1 在智慧指數上與多款高階模型並列，但價格卻顯著更低。這意味著企業可以在不犧牲太多效能的前提下，降低运营成本。隨著模型持續迭代，Meta 是否有機會在下一版本中挑戰頂尖位置，將是市場關注的焦點。值得注意的是，Muse Spark 1.1 的進步僅花了三個月，從原本的分數躍升 8 分，主要集中在編碼與代理式知識工作。這反映出 Meta 在模型訓練與優化上的策略方向，未來可能還會在其他領域見到類似幅度的提升。

目前該模型僅透過 Meta API 提供，意味著用戶需要直接與 Meta 合作才能使用，尚未開放第三方平台或公開下載。綜合來看，Muse Spark 1.1 的亮點包括：編碼能力超越 GLM-5.2、價格更低、幻覺率大幅降低、上下文窗口擴大到一百萬 tokens。這些特點使它成為當前市場上值得關注的編碼模型之一。對於正在尋找高效能且經濟實惠的 AI 編碼助手的團隊，Muse Spark 1.1 提供了一個新的選項。