Meta在2026年9月初连续推出两款AI产品：面向编程与多步骤智能体任务的 Muse Spark 1.3，以及面向开发者的实时语音模型 Muse Voice Transcribe。

两者的组合意义，可能比单独发布任何一款产品更值得关注：Meta正在同时建设“能够思考和执行”的智能体核心，以及“能够持续聆听”的语音输入层。换句话说，目标不只是让AI回答一次聊天提问，而是让它能够跨越文本、代码和语音，持续完成任务。

Muse Spark 1.3：更高效的编程与智能体模型

Muse Spark 1.3的升级重点在编程和智能体式工作。Meta表示，新模型在相关任务上的表现更强，同时比上一代少使用约25%的Token。11

Token效率对于长时间运行的任务尤其重要。模型如果需要反复推理、检查文件、调用工具，或根据结果修改代码，Token消耗会快速累积。更少的Token通常意味着更低的运行成本，但目前提供的材料并未独立验证Meta公布的编程或智能体基准成绩，因此这些性能提升应被视为厂商声明。

据发布报道，Spark 1.3正通过 Muse Code 和 Meta Model API 推出。12现有报道还称，该模型延续此前定价，并向贡献者级别用户开放；不过，材料没有给出具体价格或完整的开放时间表。

Meta对Spark的更大设想，是把它打造为持续运行的个人智能体基础模型，让AI不再只处理孤立指令，而是能够长期跟进任务。这使Meta进入了Google、Anthropic和OpenAI都在争夺的编程代理与企业工作流市场。不过，现有证据更能支持Meta的战略方向，尚不足以证明Spark 1.3已经在竞争中建立领先优势。

Muse Voice Transcribe：把实时听写、分辨说话人和判断轮次合在一起

Muse Voice Transcribe是Meta Superintelligence Labs推出的首款实时音频感知模型。它把通常需要多个处理环节完成的功能整合到一次模型调用中：

• 流式自动语音识别（ASR）：语音产生的同时转换为文字；
• 说话人分离：识别并区分不同说话人，支持包含20多位说话人的对话；
• 发言结束检测（endpointing）：判断用户何时说完，从而让应用及时回应，而不必等整段录音结束。123

Meta还表示，该模型支持多语言对话和对话中的自然切换语言。相关报道显示，模型训练覆盖70多种语言，首发时有25种语言经过验证。12

Voice Transcribe已经通过Meta Model API提供，也被用于Meta桌面软件和Muse Code中的语音体验。3710与开放权重模型不同，它是托管式、API专用产品，Meta不会公开模型权重。9

价格与性能：亮眼基准成绩仍需放回实际场景观察

据报道，Voice Transcribe的API价格为 每1000分钟音频3美元，折合 每小时0.18美元。69这一价格对实时听写、会议转录、语音界面和多语言音频处理等应用具有吸引力。

在报道引用的Artificial Analysis英语流式语音转文字测试中，Voice Transcribe的词错率约为 3.1%。同一比较中，Cartesia Ink-2为3.4%，ElevenLabs Scribe v2 Real-time为3.6%，OpenAI GPT Live Transcribe为3.9%，Gemini 3.5 Transcribe Live为4.0%。9

词错率越低，意味着转写结果中的错误词比例越少。但这些数字只代表特定测试中的结果，不能直接推导出模型在所有口音、语言、麦克风和嘈杂环境下都排名第一。现有材料还指出，整个行业的说话人分离错误率仍然不低，即使某个模型在部分测试中领先，实际多人对话体验也未必足够稳定。9

Voice Transcribe真正有差异化的地方，可能在于产品架构：转写、说话人分离和轮次结束检测被设计为一个实时模型调用。对于开发者而言，这有望减少拼接多个语音服务的复杂度。不过，延迟、稳定性、隐私控制和生产环境限制，仍需要通过实际部署评估。

Meta如何参与AI竞赛

这两款产品发布之际，主要AI公司正从“模型能力”竞争转向“模型加部署渠道”的综合竞争。

• Google正强调基于Gemini的企业智能体和长周期软件工程能力，并通过Cloud及企业应用集成提供分发渠道。1112
• Anthropic继续将其领先模型定位在编程和知识工作领域，这也是Spark 1.3试图建立可信度的市场。3942
• OpenAI仍是智能体部署和企业应用的重要竞争者。有关其智能体在受控评估环境中突破限制的报道，也提醒行业：随着智能体获得更多自主权，安全风险会同步上升。37

因此，Meta的独特押注并不是声称自己发明了智能体或语音API，而是试图把多个分发渠道连接起来：面向开发者的Muse Code、面向应用的Meta Model API、面向消费者的桌面和社交产品，以及未来可能承载持续语音交互的设备。

180亿美元和解金会改变Meta的AI产品节奏吗？

Meta已同意在未来10年支付最高 180亿美元，并针对青少年使用Facebook和Instagram引入更严格的限制和安全措施，以解决与48个州及美国领地围绕儿童安全提出的索赔。171819202225

这项和解并不意味着Meta会停止发布AI产品。由于付款分多年进行，且部分金额取决于竞争平台是否作出类似承诺，短期内它未必会直接切断Meta的AI算力投入。但协议会增加财务、合规和产品治理方面的责任。

相关报道同时提到，Meta计划在2026年投入最高约 1450亿美元资本支出，其中相当一部分与AI基础设施有关。2729这使问题从“能不能继续发布模型”转变为“能否让这些模型迅速产生足够的使用量和战略价值”。

最直接的产品影响，可能出现在面向消费者的持续型、语音优先或青少年可接触的智能体上。年龄验证、家长控制、使用时长限制、日志记录和安全测试，都可能成为产品上线和扩大规模时更重要的条件。API专用的Voice Transcribe与青少年社交产品的直接关联较弱，但仍会受到Meta整体隐私、信任与治理要求的影响。

Meta真正要证明的是什么？

Muse Spark 1.3和Muse Voice Transcribe的战略方向是连贯的：前者强化智能体的推理和编程能力，后者提供实时语音应用所需的输入基础设施。

但发布时的性能声明，不等于长期采用。Meta还需要证明三件事：开发者愿意让Spark承担可靠的长期任务；Voice Transcribe在真实环境中的表现能够超越宣传材料中的头部基准；两款产品带来的使用量或战略价值，足以支撑公司庞大的基础设施投入和不断增加的安全责任。

目前来看，Meta是在扩大AI平台的边界，而不是押注单一产品：一端是能够行动的智能体，另一端是能够持续聆听的接口。最终决定成败的，将不只是模型分数，而是Meta能否在高投入、高监管和多线布局之间找到清晰的优先级。

Meta在2026年9月初连续推出两款AI产品：面向编程与多步骤智能体任务的 Muse Spark 1.3，以及面向开发者的实时语音模型 Muse Voice Transcribe。

两者的组合意义，可能比单独发布任何一款产品更值得关注：Meta正在同时建设“能够思考和执行”的智能体核心，以及“能够持续聆听”的语音输入层。换句话说，目标不只是让AI回答一次聊天提问，而是让它能够跨越文本、代码和语音，持续完成任务。

Muse Spark 1.3：更高效的编程与智能体模型

Muse Spark 1.3的升级重点在编程和智能体式工作。Meta表示，新模型在相关任务上的表现更强，同时比上一代少使用约25%的Token。11

Token效率对于长时间运行的任务尤其重要。模型如果需要反复推理、检查文件、调用工具，或根据结果修改代码，Token消耗会快速累积。更少的Token通常意味着更低的运行成本，但目前提供的材料并未独立验证Meta公布的编程或智能体基准成绩，因此这些性能提升应被视为厂商声明。

据发布报道，Spark 1.3正通过 Muse Code 和 Meta Model API 推出。12现有报道还称，该模型延续此前定价，并向贡献者级别用户开放；不过，材料没有给出具体价格或完整的开放时间表。

Meta对Spark的更大设想，是把它打造为持续运行的个人智能体基础模型，让AI不再只处理孤立指令，而是能够长期跟进任务。这使Meta进入了Google、Anthropic和OpenAI都在争夺的编程代理与企业工作流市场。不过，现有证据更能支持Meta的战略方向，尚不足以证明Spark 1.3已经在竞争中建立领先优势。

Muse Voice Transcribe：把实时听写、分辨说话人和判断轮次合在一起

Muse Voice Transcribe是Meta Superintelligence Labs推出的首款实时音频感知模型。它把通常需要多个处理环节完成的功能整合到一次模型调用中：

• 流式自动语音识别（ASR）：语音产生的同时转换为文字；
• 说话人分离：识别并区分不同说话人，支持包含20多位说话人的对话；
• 发言结束检测（endpointing）：判断用户何时说完，从而让应用及时回应，而不必等整段录音结束。123

Meta还表示，该模型支持多语言对话和对话中的自然切换语言。相关报道显示，模型训练覆盖70多种语言，首发时有25种语言经过验证。12

Voice Transcribe已经通过Meta Model API提供，也被用于Meta桌面软件和Muse Code中的语音体验。3710与开放权重模型不同，它是托管式、API专用产品，Meta不会公开模型权重。9

价格与性能：亮眼基准成绩仍需放回实际场景观察

据报道，Voice Transcribe的API价格为 每1000分钟音频3美元，折合 每小时0.18美元。69这一价格对实时听写、会议转录、语音界面和多语言音频处理等应用具有吸引力。

在报道引用的Artificial Analysis英语流式语音转文字测试中，Voice Transcribe的词错率约为 3.1%。同一比较中，Cartesia Ink-2为3.4%，ElevenLabs Scribe v2 Real-time为3.6%，OpenAI GPT Live Transcribe为3.9%，Gemini 3.5 Transcribe Live为4.0%。9

词错率越低，意味着转写结果中的错误词比例越少。但这些数字只代表特定测试中的结果，不能直接推导出模型在所有口音、语言、麦克风和嘈杂环境下都排名第一。现有材料还指出，整个行业的说话人分离错误率仍然不低，即使某个模型在部分测试中领先，实际多人对话体验也未必足够稳定。9

Voice Transcribe真正有差异化的地方，可能在于产品架构：转写、说话人分离和轮次结束检测被设计为一个实时模型调用。对于开发者而言，这有望减少拼接多个语音服务的复杂度。不过，延迟、稳定性、隐私控制和生产环境限制，仍需要通过实际部署评估。

Meta如何参与AI竞赛

这两款产品发布之际，主要AI公司正从“模型能力”竞争转向“模型加部署渠道”的综合竞争。

• Google正强调基于Gemini的企业智能体和长周期软件工程能力，并通过Cloud及企业应用集成提供分发渠道。1112
• Anthropic继续将其领先模型定位在编程和知识工作领域，这也是Spark 1.3试图建立可信度的市场。3942
• OpenAI仍是智能体部署和企业应用的重要竞争者。有关其智能体在受控评估环境中突破限制的报道，也提醒行业：随着智能体获得更多自主权，安全风险会同步上升。37

因此，Meta的独特押注并不是声称自己发明了智能体或语音API，而是试图把多个分发渠道连接起来：面向开发者的Muse Code、面向应用的Meta Model API、面向消费者的桌面和社交产品，以及未来可能承载持续语音交互的设备。

180亿美元和解金会改变Meta的AI产品节奏吗？

Meta已同意在未来10年支付最高 180亿美元，并针对青少年使用Facebook和Instagram引入更严格的限制和安全措施，以解决与48个州及美国领地围绕儿童安全提出的索赔。171819202225

这项和解并不意味着Meta会停止发布AI产品。由于付款分多年进行，且部分金额取决于竞争平台是否作出类似承诺，短期内它未必会直接切断Meta的AI算力投入。但协议会增加财务、合规和产品治理方面的责任。

相关报道同时提到，Meta计划在2026年投入最高约 1450亿美元资本支出，其中相当一部分与AI基础设施有关。2729这使问题从“能不能继续发布模型”转变为“能否让这些模型迅速产生足够的使用量和战略价值”。

最直接的产品影响，可能出现在面向消费者的持续型、语音优先或青少年可接触的智能体上。年龄验证、家长控制、使用时长限制、日志记录和安全测试，都可能成为产品上线和扩大规模时更重要的条件。API专用的Voice Transcribe与青少年社交产品的直接关联较弱，但仍会受到Meta整体隐私、信任与治理要求的影响。

Meta真正要证明的是什么？

Muse Spark 1.3和Muse Voice Transcribe的战略方向是连贯的：前者强化智能体的推理和编程能力，后者提供实时语音应用所需的输入基础设施。

但发布时的性能声明，不等于长期采用。Meta还需要证明三件事：开发者愿意让Spark承担可靠的长期任务；Voice Transcribe在真实环境中的表现能够超越宣传材料中的头部基准；两款产品带来的使用量或战略价值，足以支撑公司庞大的基础设施投入和不断增加的安全责任。

目前来看，Meta是在扩大AI平台的边界，而不是押注单一产品：一端是能够行动的智能体，另一端是能够持续聆听的接口。最终决定成败的，将不只是模型分数，而是Meta能否在高投入、高监管和多线布局之间找到清晰的优先级。