Muse Spark 1.3
Meta 发布的 Muse Spark 1.3 语言模型因其强劲的基准表现（常常接近或超过当前前沿模型）以及一个折扣极大的“contributor”层级而受到关注；该层级以允许用用户数据训练作为价格换取条件。评论者认为它是一款能力很强、速度快、性价比高的编码与推理模型——尤其是在配合 Meta 自家的 agent harness 使用时——同时也指出 Anthropic、OpenAI、Google 等厂商的模型在某些现实软件工程任务上仍然领先。讨论的大部分焦点集中在数据隐私、对 Meta 商业模式的信任，以及快速改进的基准测试（包括像“鹈鹕骑自行车”SVG 这样的长寿 meme 测试）是否还能真正说明这些系统在实践中的行为。
Pelican SVG 基准测试与图像行为
- 多个“鹈鹕骑自行车”SVG 示例显示出从 1.2 到 1.3 的明显改进（更好的解剖结构、自行车、配饰）。
- 图像往往使用相似的构图：侧面视角、2D、鹈鹕从左到右骑行，在平地上，常戴帽子/围巾。
- 评论者将这归因于训练数据偏差（自行车的产品图、文化上从左到右的“进展”）、通用提示词回归到“均值”，以及 SVG 偏好扁平向量风格。
- 有人指出，如今许多模型已经把这个确切提示词与一个知名基准关联起来；甚至有些模型仅凭提示词就能推断出基准创建者的身份。
基准测试、饱和与“pelicanmaxxing”
- 关于实验室是否可能在鹈鹕基准上过拟合的争论；相关分析显示目前没有明显的定向过拟合。
- 许多人认为鹈鹕任务是一个快速、直观的视觉烟雾测试，并且适合跟踪同一模型家族内的改进；也有人认为它对预测真实世界实用性几乎毫无价值。
- 对 DeepSWE 之类的编码基准也存在怀疑：几位评论者表示，基准排名与他们对长周期软件工程质量的感知并不一致。
编码表现与 harness
- 有人认为 Muse Spark 1.2 相比前沿模型较弱；也有人报告它在逆向工程、日常编码和拉丁语翻译方面体验很好。
- 用户强调 1.2 会紧密遵循指令，感觉更“工具化”，不像那些更“有帮助”但会过度干预的前沿模型。
- 1.3 在 DeepSWE 上得分很高，被描述为速度快、在 UI 和编码方面很强，但其现实世界质量仍有争议。
- 据说 Meta 自己的编码 harness（Muse Code）与模型共同训练，且比通用 agent 更高效；几位用户建议使用它或社区 harness（例如 OpenCode）。
定价、贡献者层级与数据使用
- 最突出的特点：极其便宜的“contributor”端点（约 20 倍折扣），并明确会用用户数据进行训练；标准层级则贵得多。
- 一些人称赞其透明度，并认为这是聪明的价格分层；另一些人则认为这等于把用户变成“产品”。
- 有人担心用户不可避免地会把秘密（密钥、配置）发送进 contributor 模型；也有人质疑提供方能否多好地清理或检测敏感数据。
- 还有观点认为，这个折扣量化了用户交互轨迹对 RL 和模型改进的价值。
对比、进展与平台期讨论
- Muse Spark 1.3（尤其是 Max 推理）在一些汇总基准上看起来可与顶级模型竞争，有时甚至略胜某些 OpenAI 模型。
- 许多人在复杂、长周期编码任务上仍更偏好其他前沿模型（例如 Sol、高端 Anthropic、一些中文或 Google 模型）。
- 讨论焦点还包括该领域是否正在触及 sigmoid 平台期；也有人认为一个新思路（如现代 RL 风格推理）可以迅速再次改变曲线。
信任、伦理与提供方偏好
- 强烈的反 Meta 情绪：有些人因其过去的伤害（监控、操纵、社交破坏）以及最近的大型诉讼，拒绝使用 Meta 的任何模型。
- 对其他大型实验室和创始人的不信任也同样明显；并不存在明确一致的“好人”共识。
- 对 Anthropic 和其他实验室的伦理、安全姿态以及监管定位尝试的争论很激烈；观点高度两极化。
- 有人认为开权重模型才是唯一真正可信的选择；也有人接受托管模型，但尽量避免数据留存。
开权重与部署
- 反复有人关心 Muse Spark 1.2/1.3 是否会开放权重；线索暗示这可能会发生，这会让该模型对自托管更具吸引力。
- 几位用户已经通过第三方 harness 使用 Muse Spark，并指出在这些设置中更换模型如今相对容易。