Meta发布百万级上下文模型Muse Spark 1.3
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载百万级上下文窗口
Meta 推出的 Muse Spark 1.3 把上下文窗口扩展到 100 万 token 的量级，这一容量面向的是长周期、多步骤的 agentic workflow 场景。模型具备视频、图片与文档的多模态感知能力，工具调用的一阶成功率相比前代有所提升，代码能力在多个评测中表现为与前沿水平持平。对于需要连续处理大量素材、并在多轮步骤中反复调用外部工具的任务，这样的窗口意味着单次会话可以容纳更长的输入序列，减少中途截断与分段拼接带来的信息损耗。
两档定价与差价
该模型在计费上设置了两档方案，两档之间的价格差距超过 10 倍，材料给出的具体倍数为 21 倍。这一差价并非来自模型能力的分级，而是与数据使用方式挂钩：选择以数据换取折扣的一档，价格显著低于另一档。换言之，同一模型在功能上保持一致，差异体现在用户对输入输出数据用途的授权选择上，愿意让数据参与训练或相关用途的一方可以拿到更低的单价，不愿如此的一方则按较高档位付费。
与既有方案的区别
以往长上下文模型通常只提供单一价格，用户若想降低成本，往往只能通过压缩输入、减少调用次数或改用更小的模型来实现，代价是任务质量或可处理规模受限。Muse Spark 1.3 把价格差异直接与数据授权绑定，让用户在同一个模型上做取舍，而不是在能力与成本之间二选一。这种做法的前提是模型本身在工具调用与代码评测上已接近前沿水平，因此低价档并不会带来能力降级，用户付出的主要是数据层面的让渡。
适用范围与取舍
这套方案更适合输入量大、调用频繁且对数据流向限制不严的场景，例如需要反复读取长文档、视频或多模态素材并连续执行多步工具调用的工作流；对数据用途有严格约束、或输入内容本身敏感的用户，则只能选择价格较高的档位，百万级窗口带来的成本优势会被削弱。读者在评估时，需要先确认自身数据能否接受该档位的使用方式，再比较两档的实际支出，而不是仅凭窗口大小与标称价格做判断。
为什么值得看
百万级上下文窗口和差异化定价策略为企业级应用提供新选择
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。