Muse Spark 1.3 推升 Meta 股價逾 4％：AI「追平」說法還差哪些證據？

Meta 在 2026 年 9 月 2 日推出 Muse Spark 1.3 後，股價上漲逾 4％。觸發市場反應的核心，不是投資人已確認 Meta 在 AI 實力上全面追平 Anthropic 或 OpenAI，而是 Meta AI 負責人 Alexandr Wang 的競爭力表述，讓外界更願意相信：這家正大舉投入 AI 基礎設施的公司，或許能把支出轉成開發者收入、消費者產品與既有廣告業務的增益。64

Meta 到底推出了什麼？

Muse Spark 1.3 是 Meta 更新後、鎖定程式設計與代理式（agentic）任務的模型。Meta 表示，該模型在這些工作上有所提升，並已於 Muse Code 與 Meta Model API 上線；更高成本的 max 推理模式在發布時尚未全面開放，Meta 稱仍要完成額外安全測試。11

根據第三方整理的 API 文件，Muse Spark 1.3 的上下文視窗為 1,048,576 token，支援文字、圖片、影片與 PDF 輸入，也具備工具呼叫與結構化輸出能力。標準 API 定價為每百萬輸入 token 1.25 美元、每百萬輸出 token 4.25 美元；另有每百萬輸入 0.10 美元、輸出 0.20 美元的 contributor 方案，但使用者資料可能被 Meta 用來改進模型。24

這些規格讓消息不只是研究成果的發布。開發者可直接付費測試一個可處理超長內容、具多模態輸入能力、可用於程式與工作流程自動化的模型，而不必等待未來才可能推出的消費者功能。

為何投資人買單？市場在重估 AI 的「選擇權價值」

Meta 正投入大量資金建設 AI 運算與基礎設施，投資人持續追問：這些投入究竟能否帶來差異化產品、開發者營收，或讓廣告業務更有效率？

Muse Spark 1.3 使較樂觀的情境顯得更可信。據 Bloomberg 報導，開發者可付費使用模型，Meta 也計畫將更新擴展至 Meta AI 及 Instagram、Facebook 等社群平台。1 若模型確實具競爭力，Meta 的優勢不僅是模型本身，還包括龐大的消費者產品觸及面、Meta AI 與開發者管道，可望把能力快速轉化為大規模使用。

這一點尤其重要，因為 Meta 剛經歷不理想的財報反應。該公司 2026 年第二季營收為 608 億美元、年增 28％，但稀釋後每股盈餘降至 6.18 美元、年減 13％。18 此外，Meta 將 2026 年 AI 支出下限再提高 50 億美元；基礎設施成本壓力與自由現金流縮減，使其財報公布後盤後股價一度下跌約 10％。17

一款看似更強的新模型不會讓成本壓力消失，但會降低市場對「AI 投資只是防禦性支出」的疑慮。

62 分代表什麼，又不能代表什麼？

最需要注意的細節是，市場廣泛引用的 Artificial Analysis Intelligence Index 62 分，屬於僅限預覽的 Muse Spark 1.3 max 設定；目前較普遍可用的 xhigh 版本，據報得分為 61 分。9

這仍是值得重視的成績：報導指出，可用版本在該指數上與 GPT-5.6 Sol 的 max 設定並列；而預覽版 max 在比較中則落後於 Claude Fable 5.1 與 Claude Opus 5。9

不過，綜合型基準測試並不是完整的競爭判決。Meta 對程式設計能力提升、以及與 Anthropic、OpenAI 領先產品「追平」的說法，本質上仍是公司立場與 Wang 在受訪時的主張。47 實務上，企業或開發者選模型還會看可靠性、工具使用品質、延遲、成本、安全表現、輸出品質，以及模型對特定程式碼庫或工作流程的適配程度。

尤其要把「預覽版 max」和客戶可立即使用的設定分開看。在外部評測者能以同一公開可用版本重現結果之前，所謂追平前沿模型，應視為有希望的訊號，而非已被證實的事實。

對上 Alphabet 與其他實驗室，Meta 的牌是分發能力

Meta 最有可能的競爭優勢，不必然是某一次登上排行榜第一，而是部署能力。

Alphabet 已透過雲端、搜尋與生產力軟體建立企業 AI 的進入路徑；Meta 的路線更偏向消費者端。若模型足夠成熟，便可整合到 Meta AI，以及旗下大型社群產品。Bloomberg 報導模型將逐步導向 Meta 平台，因此執行能力與觸及範圍，將成為投資論述的關鍵。1

在開發者市場，Meta 則試圖以超長上下文、多模態輸入、代理導向功能及價格組合競爭。contributor 方案確實能降低測試門檻，但對處理專有資料或敏感內容的組織而言，「允許資料用於訓練」的條件可能是重大顧慮。24

要讓這波漲勢站穩，Meta 還得交出四份成績單

1. 可獨立重現的評測結果

投資人需要能清楚區分模型版本與推理設定的結果，特別是在軟體工程、長上下文檢索、代理可靠性、延遲與總成本上的表現。市場報導提到，預測市場給予 Meta 模型在 Humanity’s Last Exam 達到 55％ 的機率僅 48％，反映市場對其能力仍有明顯不確定性。6

2. 開發者是否真正採用

API 可用只是第一步。更有力的信號會是客戶持續把 Muse Spark 用於正式環境，原因是其品質調整後的成本具吸引力、足以支撐生產工作負載，而不只是因為試用便宜。

3. 能否在 Meta 生態系變成有用的產品

Meta 必須證明先進模型能力能落地為消費者真正會使用的功能，包括可靠整合，以及使用者互動、訊息服務或廣告成效改善的明確證據，而不是孤立的展示。Bloomberg 報導，Meta 計畫將更新導向 Meta AI 與其社群平台。1

4. AI 基礎設施的財務回報

最終的估值問題是：AI 是否能足夠快地改善 Meta 的營收引擎，以合理化不斷升高的成本。第二季營收年增 28％，顯示廣告本業仍強勁；但費用與法律相關支出也顯示，獲利仍可能承壓。18

結論

Muse Spark 1.3 強化了 Meta 的 AI 敘事，因為它把較高性能的模型、可立即使用的開發者管道、長上下文能力，以及導入 Meta 龐大產品分發網路的可能性結合在一起。這足以讓投資人迅速上調對其 AI 投資回報的預期。

但這次發布本身，並不能證明 Meta 已取得可持續的前沿模型領導地位。62 分屬於限量預覽的 max 模式，廣泛可用的版本得分為 61，而「追平」的主張仍需要獨立驗證。接下來的焦點不會是一個分數，而是可重現的能力、實際採用率，以及 Meta 能否把 AI 實力轉成長期且具經濟價值的回報。91718