Muse Spark 1.3 撐 Meta 股價升逾 4%：AI「追平」之說仲差咩證明？

Meta 9 月 2 日發布 Muse Spark 1.3，令投資者對公司 AI 大舉投資嘅回報有咗更具體嘅想像空間。行政總裁級 AI 主管 Alexandr Wang 表示，模型可與 Anthropic、OpenAI 嘅前沿系統競爭；消息後 Meta 股價升逾 4%。不過，今次升勢反映嘅係市場上調成功機會，唔代表「追平對手」已獲獨立證實。64

Meta 今次實際推出咗乜？

Muse Spark 1.3 係 Meta 更新後、針對編程同代理式（agentic）工作流程嘅模型。Meta 表示，新版提升咗相關任務表現，並已經透過 Muse Code 及 Meta Model API 推出。不過，運算成本較高嘅 max 推理模式，發布當日未有全面開放；Meta 指要完成額外安全測試後先會推出。11

第三方引用嘅 API 文件顯示，模型支援 1,048,576 token 上下文窗口，亦可處理文字、圖片、影片及 PDF 輸入，並支援工具調用同結構化輸出。標準 API 定價為每 100 萬 input token 1.25 美元、每 100 萬 output token 4.25 美元；「contributor」低價方案則為 0.10 美元及 0.20 美元，但用戶資料可被 Meta 用作改善模型。24

即係話，呢次唔只係研究發布：開發者可以直接付費測試一個長上下文、多模態模型，看看佢是否適合寫程式、文件分析或自動化工作流程。

點解股市有反應？市場重估 AI 投資嘅「選擇權價值」

Meta 正大手投資 AI 基建，投資者一直追問：呢筆錢究竟會帶來有差異化嘅產品、開發者收入，抑或改善核心廣告業務？

Muse Spark 1.3 令較樂觀嘅劇本睇落更可信。彭博報道指，開發者可付費使用模型，而 Meta 計劃把更新逐步帶到 Meta AI 及旗下社交平台。1 如果模型真係具競爭力，Meta 擁有少有嘅分發優勢：旗下消費者服務、Meta AI 同開發者渠道，都可能將模型能力推向大規模使用。

呢個訊號尤其重要，因為 Meta 業績後曾經受壓。公司 2026 年第二季收入為 608 億美元，按年升 28%，但攤薄每股盈利跌 13% 至 6.18 美元。18 公司又將 2026 年 AI 開支下限提高 50 億美元；基建成本上升同自由現金流縮減，令業績後股價在盤後一度跌約 10%。17

一個較強模型唔會即時消除成本壓力，但至少令市場覺得：AI 投資未必純粹係防守性開支。

「62 分」有幾重要？要先分清版本

最大保留位在於，市場廣傳嘅 Artificial Analysis Intelligence Index 62 分，屬於有限預覽嘅 Muse Spark 1.3 max 配置；一般可用嘅 xhigh 版本，報道指得分為 61。9

呢個表現仍然有份量：報道指公開可用版本在該指數與 GPT-5.6 Sol 的 max 配置同分；至於預覽版 max，在比較中則排在 Claude Fable 5.1 和 Claude Opus 5 之後。9

但綜合基準指數唔係完整競爭判決。Meta 所稱嘅編程能力提升，以及與 Anthropic、OpenAI 領先產品「追平」，本質上仍是公司立場，亦由 Wang 在訪問中重申。47 真正揀模型，客戶還要睇可靠性、工具使用、延遲、成本、安全表現、輸出質素，以及模型是否適合自己嘅程式碼庫或工作流程。

尤其要留意：預覽版 max 嘅成績，唔等於客戶現時可用版本嘅實際表現。未有外部評估者在同一個公開可用配置下重複驗證前，「追平」應視為值得留意嘅證據，而唔係定論。

對 Alphabet 同其他 AI 實驗室，Meta 嘅牌係部署能力

Meta 最有潛力嘅優勢，未必係單一排行榜名次，而係能否部署落地。

Alphabet 已經有雲端、搜尋及生產力軟件等企業級 AI 渠道；Meta 嘅路線則更偏消費者端。一個夠強嘅模型，理論上可整合到 Meta AI，並逐步放入主要社交產品。彭博所指模型將走向 Meta 平台，令執行力與觸及規模成為投資論點核心。1

對開發者而言，Meta 亦正以長上下文、多模態輸入、代理功能同定價組合作競爭。contributor 方案可大幅降低試用成本，但容許平台使用資料訓練模型，對處理商業機密或敏感資料嘅機構而言，可能係一條重要紅線。24

股價升勢要延續，四樣嘢要交到功課

1. 可獨立重複嘅測試結果

市場需要分清不同模型版本與推理設定，特別係軟件工程、長上下文檢索、代理可靠性、延遲與總成本。預測市場顯示，Meta 模型在 Humanity’s Last Exam 取得 55% 分數嘅機會率僅 48%，反映市場對實力仍有相當不確定性。6

2. 開發者真金白銀採用

API 上架只係第一步。更有說服力嘅訊號，係客戶持續將 Muse Spark 用於生產環境，原因係其質素相對成本真係有吸引力，而唔只係試用門檻低。

3. Meta 生態系統嘅產品執行

Meta 要證明先進模型能力可以變成用戶真係覺得有用嘅功能。重點係整合是否可靠，以及能否帶來互動、訊息服務或廣告成效改善，而唔係單靠示範。公司計劃將更新推向 Meta AI 及社交平台。1

4. AI 基建投資有冇財務回報

最後估值問題始終係：AI 能否夠快提升 Meta 收入引擎，以合理化不斷上升嘅成本。第二季反映廣告業務仍然強勁，收入升 28%；但開支同法律費用亦顯示，盈利可以承受明顯壓力。18

結論

Muse Spark 1.3 強化咗 Meta 嘅 AI 故事：更高性能模型已經有具體開發者入口、長上下文及多模態能力，亦有機會接入 Meta 龐大嘅產品分發網絡。對投資者而言，已足以促成一次對前景嘅快速重估。

但呢次並非 Meta 已建立穩固前沿模型領導地位嘅證明。62 分屬有限預覽模式，廣泛可用版本為 61 分，而「追平」說法仍待獨立驗證。下一階段睇嘅唔係單一基準，而係可重複嘅效能、實際採用，以及 Meta 能否把 AI 能力變成可持續嘅經濟回報。91718