Meta åpner Muse Spark 1.3 max: Standard-tier, ikke Contributor

Meta har åpnet Muse Spark 1.3 max. Det er det som manglet 2. september. Alexandr Wang og AI at Meta kunngjorde 4. september at max-reasoning er allment i Muse Code og Meta Model API, etter at sikkerhetstesten er ferdig.

Det er ikke en ny modell-ID. Det er muse-spark-1.3 med reasoning-nivå satt til max. For CIO og CISO er tre fakta mer verdifulle enn Wangs «significantly stronger»: max ligger bare på Standard-tier, Contributor-nivået er utenfor, og mer resonering koster mer output-tokens til samme enhetspris.

Hva som faktisk er åpnet

• september slapp Meta Spark 1.3 i Muse Code og Model API. Max-reasoning ble holdt tilbake til mer sikkerhetstest. hogby skrev da at dere ikke skulle bygge SLA på et modus som ikke var GA. Nå sier Metas CAIO at det er GA.

Wang: «we just publicly released Muse Spark 1.3 max». Han anbefaler den selv om dere allerede har prøvd 1.3 high eller xhigh, fordi koding og agentarbeid er «significantly stronger». Tilgang: bruk muse-spark-1.3 og sett reasoning level til max. Alternativt installer Muse Code med curl -fsSL https://dev.meta.ai/install.sh | bash.

AI at Meta bekreftet samme dag at max-reasoning er tilgjengelig i Muse Code og Meta Model API.

Utviklerdokumentasjonen beskriver max som utvidet resonering utover xhigh, bare på Standard-tier muse-spark-1.3. Contributor-modeller får det ikke. Samme tokenpris som øvrige nivåer. Flere reasoning-tokens, høyere latenstid, høyere kostnad per kall.

Modell-ID er uendret: muse-spark-1.3. Kontekstvindu 1 048 576 tokens. Standard-pris 1,25 dollar per million inn-tokens og 4,25 dollar per million ut-tokens. Hurtigcache 0,15 dollar. Contributor forblir 0,10/0,20 mot at Meta kan trene på prompt og svar.

Åpne vekter er fortsatt et løfte, ikke en leveranse. Zuckerbergs vannmelon-teaser fra 2. september er veikart.

Tallene som allerede lå i max-preview

Artificial Analysis testet max mens den var partner-preview. Intelligence Index 62 mot 61 for xhigh. Løftet kom hovedsakelig fra Tau3-Bench Banking (52 prosent, da nummer én) og GDPval-AA v2 (1 754 Elo mot 1 709). Max brukte 62 prosent mer resonering på GDPval og 28 prosent mer på Tau3-Bench Banking enn xhigh.

Det er preview-tall, ikke en ny uavhengig runde etter 4. september. Wang siterte senere Artificial Analysis Index v4.2 og sa at Spark 1.3 max «still performs quite well» på den effektive fronten sammen med Claude og GPT. Han ga ikke nye poengtall.

Ikke bygg innkjøp på «significantly stronger». Mål mot xhigh på deres egne repoer: tokens, turer, tid til ferdig PR, feilede løkker.

Hva ledelsen bør gjøre nå

Hvis Spark 1.3 allerede er default, er dette en konfigurasjon, ikke et prosjekt. Åpne max i et avgrenset miljø. Sammenlign med xhigh, Fable 5.1 og GPT-6 Astra der dere har lisens.

Hold Contributor og Standard fra hverandre. Max finnes ikke på Contributor. Hvis koden ikke skal trene Metas neste Spark, blir Standard uansett. Max gjør skillet skarpere: billig nivå uten det dypeste tenkenivået, dyrt nivå med det.

Sett tak på reasoning_effort i produksjon. Max brenner mer tokens. Samme enhetspris er ikke samme faktura. AA-previewen viser mer resonering, ikke billigere oppgaver.

Ikke rull max ut som default for alle agenter. Bruk det der lange kode- og agentjobber faktisk feiler på xhigh. Logging, identitet per agent og stoppknapp gjelder fortsatt. Sikkerhetstesten Wang viser til er Metas egen. Den erstatter ikke deres tilgangsstyring.

Åpne vekter venter fortsatt. Exit er API og eksport, ikke intern kjøring.

Kilder og medier

Primærkilde: AI at Meta, Muse Spark 1.3 max i Muse Code og Meta Model API, https://x.com/AIatMeta/status/2095940043294847084

Alexandr Wang, offentlig slipp av Muse Spark 1.3 max, https://x.com/alexandr_wang/status/2095938990197329935

Meta Model API, Reasoning, https://dev.meta.ai/docs/reasoning/

Meta Model API, Pricing and rate limits, https://dev.meta.ai/docs/pricing-rate-limits

Artificial Analysis, «Muse Spark 1.3: Meta reaches the frontier», https://artificialanalysis.ai/articles/muse-spark-1-3

Thumbnail: OpenAI Image 2 / hogby.ai