#105 · 61 分打平 GPT-5.6 Sol，Meta 价不到三分之一

61 分打平 GPT-5.6 Sol，Meta 价不到三分之一

Muse Spark 1.3 标准档官方价输入 $1.25、输出 $4.25 每百万 token，第三方榜单给它 61 分，与 GPT-5.6 Sol（max 档）同分，而 Sol 的价签是 $4 / $20。同分价差三到五倍，这是标准档的便宜，不带附加条件；真正要拿东西换的，是再便宜约 20 倍的 contributor 档。看清那一档拿什么换，再决定这单要不要换过去。

同分不同价：$1.25/$4.25 对 $4/$20

先说结论

是什么：Muse Spark 1.3，公众能买到的 xhigh 档 61 分（#10/196），max 档 62 分（#6/636）仅合作方限量预览
为什么便宜：59+ 档里每任务成本最低，xhigh 档 $0.55/task，同分 GPT-5.6 Sol（max 档）$0.95、Grok 4.6（high 档）$0.94
便宜的来路：同一模型两个价签，$0.10 / $0.20 那档便宜约 20 倍，换的是数据使用权
怎么选：两个 $10 套餐，GOAT 在标准档和 contributor 档里挑，Go 只有 contributor 档——选哪家等于决定数据交不交

61 分是谁评的，榜怎么读

61 分是第三方跑分机构 Artificial Analysis（AA）评的，评分指数叫 Intelligence Index v4.1.1，由九项评测合成：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity’s Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。这九项里有银行 agent 干活、终端编码这类真任务，也有科学问答和长上下文，比拿单项刷题更接近“这模型能接什么活”的判断。

榜上 Muse Spark 1.3 分两档。max 档 62 分、636 个模型里排第 6，前面只剩 Claude Fable 5.1 和 Claude Opus 5；xhigh 档 61 分、推理类 #10/196，与 GPT-5.6 Sol（max 档）、Grok 4.6（high 档）、Claude Opus 5（high 档）并列，一上来就卡进第一梯队。

Artificial Analysis Intelligence Index：62 分那格打着「Not currently available」

图：Artificial Analysis 官方发布帖配图（2026-09-02）。带网格纹的 62 分即 max 档，标注为当前不可用。

max 这 62 分你今天买不到。 AA 原话是 limited preview for Meta’s partners，它的 providers 页上 0 家可调用，Meta 博客也写明 max reasoning coming shortly after we finish additional safety testing。公众能用的只有 61 分的 xhigh，读榜时先认清这个前提。

AA 模型页：#6 / 636、62 分、Not publicly available

图：Artificial Analysis 的 Muse Spark 1.3 模型页（2026-09-03 查询）。

两个排名别混着看：#6/636 是全量池，#10/196 是推理类池，AA 分了两本账。再往上还有 66 分的 Fable 5.1（max 档）、63 分的 Opus 5（max 档）和 62 分的 Fable 5.1（high 档），都压在 Muse 上面。61 分在第一梯队，但不在榜首；#6 是 max 档（62 分）的位置，不是 61 分这档的位置。

版本爬坡很直：1.1 是 53 分，1.2 到 57 分，1.3 到 61 分。首版 2026-04-08 直接叫 Muse Spark，没有 1.0，之后 07-09 出 1.1、08-05 出 1.2、09-02 出 1.3，五个月里第四个版本。这个节奏本身就是冲着榜位去的：从 1.1 起每版都比上一版涨 4 分，发得勤，榜上就待得稳。

Muse Spark open weights 还没发：官方博客里它仍是 roadmap 预告，原文是 including bigger models, the Muse Spark open weights release, and more——今天还下载不到权重。

顺手记两个硬参数：1M 上下文窗口，输入支持文本+图+视频，输出是文本，模型页写的，不是榜单推断。上下文能装多少、能读哪些模态，决定它接不接得住你要它干的活——装不下你那份代码库，分再高也没用。

Meta 官方博客的 benchmark scorecard（官方自评，非第三方）

图：Meta Superintelligence Labs 官方发布博客内的 scorecard（2026-09-02）。这是官方自评口径，与下文 AA 的第三方分数不是一回事。

官方价和跑分价是两本账

先看官方 per 1M tokens 价，查询日期 2026-09-03：Muse Spark 1.3 标准档输入 $1.25、输出 $4.25，缓存输入 $0.15。同分的 GPT-5.6 Sol（max 档）是 $4 / $20，输入差 3.2 倍、输出差 4.7 倍——同分（61 分这一档），价差就是这么摆出来的。

再看 AA 的 per-task 口径，它算跑完同一套评测要花多少钱。Muse Spark 1.3（xhigh）$0.55/task，AA 逐字写 lowest cost per task for any model at 59+；同榜 GPT-5.6 Sol（max 档）$0.95、Grok 4.6（high 档）$0.94，都贵 70% 以上（AA 原话）；Claude Opus 5（high 档）$1.23 更贵，贵出一倍多。per 1M 是纯单价，per-task 把输入输出和缓存混算——两本账算法不同，翻到同一个结论。

比它便宜的也有：DeepSeek V4 Flash（max 档）官方价 $0.44 / $1.32，但只有 52 分，进不了 59+ 这个圈。所以“最便宜”前面那个 59+ 限定不能省——混着档位比价没有意义，同分（同一分数段）才算数。

更便宜的那个，没进 60 分这条线

分更高的更贵：Claude Fable 5.1（max 档）$10 / $50、Claude Opus 5（max 档）$5 / $25。把 61 分上下的这一批放一起看，官方价和跑分价两本账都落在同一行：Muse 的 xhigh 档最便宜。

还有一组数字别和上面混：Meta 工程师内部对比说，1.3 比 1.2 少约 20% tool calls、少约 25% tokens，这是官方自测；AA 第三方验证的是 61/62 分、$0.55/task、100M/120M verbosity 这些。两组来源不同，谁也不能替谁背书。

便宜的那档要什么

同一个模型，两个价签。标准档 $1.25 / $4.25；另一档叫 muse-spark-1.3-contributor，$0.10 / $0.20 per 1M tokens，缓存 $0.002，价差约 20 倍。

便宜的条件写在同一张定价页上，Meta 原话：Heavily discounted token pricing in exchange for permission to use your prompts and completions to train future Meta models——大幅打折的价，换你允许它拿发进去的 prompt 和回给你的 completion 去训练 Meta 未来的模型。翻译成大白话：你付的 $0.10 / $0.20 里，已经含了数据使用权。

便宜的来路：拿对话换折扣

两行价签的区别就一句话。标准档写 Not used to improve our products，contributor 档写 Used to improve our products。而且这句定义，Meta 官方定价页和 OpenCode Go 的文档里用的是同一句英文——第三方转售这一层，条款一个字没变。

差价不来自算力成本。同一份算力标了两个价，这 20 倍差价，是拿数据使用权补的——Meta 现在把“数据换折扣”做成了公开价目表上的正式档位，contributor 就是产品名。你在 API 里选 muse-spark-1.3 还是 muse-spark-1.3-contributor，选型号的同时就选了数据条款。

往后比价，比的是哪家把“数据换折扣”写成了正式条款、写没写清楚。

两个 10 美元套餐怎么选

把范围收回到订阅：两个 $10/月的套餐都能用 Muse Spark 1.3——GOAT 标准档和 contributor 档都在，OpenCode Go 只有 contributor 档。

两个 $10/月：一个两档都收，一个只收 contributor

Command Code GOAT 是 $10 买 $70 credits，7 倍杠杆，标准档和 contributor 档都在模型表里。按典型用量，标准档约 2,140 请求/月，contributor 档约 90,900 请求/月。

Command Code 模型表里的两个 Muse 型号

图：Command Code 官网可用模型页（2026-09-03 查询），contributor 行标注 up to 95% off。

OpenCode Go 同样 $10/月，官方写 we aim to give you 6x that in usage，约 $60 额度；但它只有 Muse Spark 1.3 Contributor（limited regions），45,300 请求/5h，标准档不在 Go 里。两家的额度窗口不一样：GOAT 按月计，OpenCode Go 按 5 小时计。

OpenCode Go 的模型额度表里只有 Contributor（limited regions）

图：OpenCode Go 官方定价页（2026-09-03 查询）。

订哪个，等于当场选了数据要不要外流。

OpenCode Go 这条 $10 入口，等于替你把数据决策做完了：活不能外流，这条路直接出局，只剩 GOAT 用标准档烧 credits。

边界看你的活能不能见人。客户数据、未公开代码、内部文档、含隐私的对话，沾一样就别碰 contributor 档；能外流的批量活、公开代码生成、学习用的 prompt，contributor 档才划算。便宜 20 倍的前提，是这单本来就不怕被看。

还有一笔账单外的账。AA 记录里，xhigh 跑评测吐了 100M tokens（#67/196，中位 71M），评语是 somewhat verbose；max 档更到 120M（#139/636，中位 72M），评语是 very verbose。xhigh 的 100M 对中位 71M，每次大约多烧四成 token——按 AA 记录的评测用量折算，不是官方口径。

输出速度 181.7 t/s，但 TTFT 27.51s，第一个字要等 27 秒多。话多、等得久、吞吐快，这三件事会一起算进体感和账单——Muse 话多，用的时候得把它算进成本。

我们自己实测只作旁证：n=8 中文题、单通道经 Command Code，中位延迟 30.6s，1.2 是 14.1s，慢一倍多；输出里 82% 是隐式思考 token，不通过 reasoning_content 回传但照样计费，目录自报 reasoning: false，实测却有 16,256 reasoning_tokens。题少，这数不承重，只说明一件事：单价便宜不等于单任务便宜。

我们自己那 8 道题：打平、慢一倍多、八成输出是没说出口的思考

按我的用法：能外流的活，直接走 contributor 档，便宜约 20 倍，多等的那半分钟我认；客户代码、没公开的仓库，一分便宜都不占，回标准档。换不换，先问你这单过不过得了“能见人”那关。真要换，先用自己一份真活各跑一遍，对着实际 token 数和延迟再拍板。

挑便宜套餐，先看模型名后缀

9 月 2 日发布当晚，Meta 首席 AI 官 Alexandr Wang 转 AA 的榜，配了一句 i really hate to say it, but… gemini who? 🏎️💨，按原意翻过来是“我真的很不想说出口，可……Gemini 是谁？”。这句话距 AA 官方发榜只隔 8 分钟；同一句，7 月 21 日 Muse Spark 1.1 在 AA 榜上超过 Gemini 3.6 Flash 时他也发过一次。狂不狂，看前面的分数和价签就知道了。

Alexandr Wang 转 AA 榜的原帖