Muse Spark 1.3 推动 Meta 股价上涨：AI“追平”说法还缺什么证据？

Meta 在 9 月 2 日推出 Muse Spark 1.3，为投资者重新评估其 AI 大举投入的回报提供了一个更具体的依据。公司首席 AI 官 Alexandr Wang（亚历山大·王）称，这款模型可与 Anthropic 和 OpenAI 的前沿模型竞争后，Meta 股价上涨逾 4%。不过，这一上涨反映的是市场预期改善，并不等于“性能追平”已经得到独立证实。64

Meta 实际发布了什么？

Muse Spark 1.3 是 Meta 面向编程和智能体任务的升级模型。Meta 表示，它提升了这两类任务的表现，目前正通过 Muse Code 和 Meta Model API 推出。成本更高的 max 推理模式在发布时尚未全面开放；Meta 称，将在完成额外安全测试后上线。11

第三方引用的 API 文档显示，该模型拥有 1,048,576 token 的上下文窗口，可处理文本、图像、视频和 PDF 输入，并支持工具调用与结构化输出。标准 API 价格为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元。另有“贡献者档”，输入和输出价格分别低至每百万 token 0.10 美元和 0.20 美元，但相应条件是客户数据可能被用于改进 Meta 的模型。24

这些细节的重要性在于：这不再只是一次研究层面的模型发布。开发者可以直接测试一款具备超长上下文和多模态能力的模型，用于编程及工作流自动化，而不必等待未来的消费级产品上线。

投资者为何买单？

这波上涨本质上是对 AI 期权价值 的重新定价。Meta 正重金投入 AI 基础设施，投资者一直在追问：这些投入究竟会带来差异化产品、开发者收入，还是能改善其核心广告业务？

Muse Spark 1.3 让更积极的答案显得更可信。彭博社报道称，开发者可以付费使用该模型，Meta 还计划将这次更新逐步扩展至 Meta AI 以及旗下社交平台。1 如果模型确实具备竞争力，Meta 的优势在于分发能力：其消费者产品、Meta AI 和开发者渠道，理论上都能把模型能力转化为大规模使用。

这一前景在 Meta 刚经历疲弱财报反应后尤其受到关注。公司 2026 年第二季度营收为 608 亿美元，同比增长 28%；但摊薄后每股收益降至 6.18 美元，同比下降 13%。18 此外，Meta 将 2026 年 AI 支出下限上调了 50 亿美元。基础设施成本和自由现金流下降引发市场审视，财报发布后股价盘后曾下跌约 10%。17

一款看似更强的新模型并不能消除这些成本压力，但它至少降低了市场对于 AI 支出只是“被动防御性投入”的担忧。

基准分数说明了什么，又没有说明什么？

最关键的限定是：广受引用的 Artificial Analysis Intelligence Index 62 分，对应的是仍处于有限预览阶段的 Muse Spark 1.3 max 配置。报道显示，普遍可用的 xhigh 版本得分为 61。9

这依然是值得关注的表现：据报道，可用版本在该指数上与 GPT-5.6 Sol 的 max 配置并列；而预览版 max 在相关比较中则排在 Claude Fable 5.1 和 Claude Opus 5 之后。9

但综合基准并不是完整的竞争结论。Meta 关于编程能力提升、以及可与 Anthropic 和 OpenAI 领先产品媲美的说法，仍主要是公司自身的定位，Wang 也在采访中表达了这一判断。47 真实场景下，模型选择还取决于稳定性、工具使用能力、延迟、成本、安全表现、输出质量，以及对特定代码库或业务流程的适配程度。

尤其需要区分预览版 max 的成绩与公众可使用配置的成绩。只有当外部评测者能针对客户实际可用的同一版本复现结果时，“追平”这一说法才可能从积极信号变为更可靠的结论。

对阵 Alphabet 与其他实验室，Meta 的筹码是什么？

Meta 最强的潜在优势，未必是某一次排行榜的名次，而是部署能力。

Alphabet 已经通过云服务、搜索和办公软件建立了面向企业的 AI 分发路径。Meta 的路径则更偏消费者：一款足够强的模型，可以被整合进 Meta AI，并最终进入其主要社交产品。彭博社关于模型将向 Meta 平台延展的报道，使执行力与覆盖范围成为这项投资逻辑的核心。1

面向开发者，Meta 也在以“超长上下文、多模态输入、智能体功能和价格”的组合展开竞争。贡献者档可以降低试用成本，但允许数据被用于训练的条件，对于处理专有或敏感资料的组织而言可能是重要顾虑。24

若要让股价反应延续，Meta 还需证明四件事

1. 独立且可重复的评测

投资者需要看到能明确区分模型版本和推理设置的结果，特别是在软件工程、长上下文检索、智能体可靠性、延迟和总成本方面。预测市场给出的一个信号是：Meta 模型在 Humanity’s Last Exam 上达到 55% 的概率仅为 48%，说明市场仍认为不确定性很高。6

2. 开发者的实际采用

API 可用只是起点。更强的验证信号应是客户持续在生产环境中使用 Muse Spark——原因是它在质量与成本的综合权衡上足够有吸引力，而不仅仅是试用门槛低。

3. 在 Meta 生态中的产品执行

Meta 需要证明先进模型能力能转化为用户真正有感的消费级功能。这意味着可靠的产品整合，以及互动、消息服务或广告效果改善的清晰证据，而非孤立的演示。彭博社报道称，公司计划将该模型逐步推广到 Meta AI 和社交平台。1

4. AI 基础设施的财务回报

估值的长期问题仍是：AI 对 Meta 收入引擎的改善，能否足够快地覆盖持续上升的成本。第二季度显示其广告业务仍然强劲，营收增长 28%；但也显示出，费用和法律相关支出会对利润造成压力。18

结论

Muse Spark 1.3 强化了 Meta 的 AI 叙事：它把性能提升、具体的开发者访问方式、长上下文能力，以及进入 Meta 庞大产品分发体系的路径结合在一起。这足以促使市场明显上调对其 AI 前景的预期。

但这并不自动证明 Meta 已取得可持续的前沿模型领先地位。62 分来自有限预览的模式，广泛可用版本为 61 分，而“追平”竞争对手的说法仍需独立验证。接下来值得关注的，不是一项单独基准，而是可复现的性能、用户采用情况，以及 Meta 能否把 AI 能力转化为持久的经济回报。91718