Meta升级Muse Spark系列Meta正在升级其Muse Spark系列推出一款针对长期编码任务和自主软件开发的新模型同时保持其标准API定价不变。这意味着开发团队无需为每个token支付更多费用就能获得更强大的功能。据该公司在一篇博客文章中介绍新的Muse Spark 1.3模型宣称与前代产品相比完成编码任务所需的token数量减少约25%工具调用次数减少20%这有可能让开发团队以相同的token单价实现更高效的AI辅助编码。效率提升的多方面原因Muse Spark 1.3的效率提升源于多个方面。它在不需要的时候减少交互回合输出的响应也更加简洁。同时它还能通过生成自身上下文、修正计划中的漏洞、遵循复杂指令、管理多个工作流以及认识自身局限来提升处理长期任务的能力。生产力与成本优势Pareekh Consulting首席分析师Pareekh Jain表示对于开发者而言功能提升且定价不变既能提高生产力又能促使团队将AI应用于更广泛的编码任务。他指出“由于该模型更擅长理解复杂提示和遵循指令开发者重试次数减少就能获得更好的结果完成相同任务可能使用更少的AI。而且由于其可靠性提高在减少人工监督的情况下也更容易将该模型应用于更广泛的编码和软件开发工作负载。”这些工作负载可能包括理解大型代码库、调试、修改多个文件、使用开发工具以及测试代码等。这反过来也有可能为首席信息官CIO降低与AI辅助软件开发相关的推理成本。Jain进一步表示“如果Muse Spark 1.3能用更少的token、工具调用和重试次数完成任务CIO就能以相同的token价格完成更多工作。”单任务成本降低未必带来整体AI支出下降然而推理成本的降低并不一定意味着整体AI支出会减少。Avasant首席分析师Abhishek Satapathy指出主要原因在于大多数企业团队会将功能更强大的模型用于更长期、更复杂的任务从而抵消了推理成本的降低。Jain表示这种情况很可能发生因为企业在资源使用效率提高、成本降低时往往会增加对该资源的使用这一现象体现了“杰文斯悖论”。因此Jain补充道企业应该关注成功完成一项任务的成本而不是模型的token单价。效率宣称仍存争议Meta对新模型进行的内部基准测试与独立评估结果相比存在一些问题。虽然Meta声称Muse Spark 1.3比前代产品使用的token更少但独立评估得出了不同的结果这让人质疑这些效率提升在不同工作负载中的稳定性。AI基准测试平台Artificial Analysis发现Muse Spark 1.3在完成其智能指数评估时生成了约1亿个token而在其评估的所有模型中中位数为7100万个token。Nord - IQ Research首席分析师Manoj Chandra Jha表示虽然这些结果与Meta内部针对特定编码任务的token使用量评估并不直接一致但它们凸显了模型效率会因工作负载和评估方法的不同而有显著差异。他补充道“不同的结果凸显了企业在为预期的效率提升进行预算规划之前有必要根据自身工作负载对模型进行测试。”AI生产力平台Eesel AI也提醒用户不要轻信Meta对Muse Spark 1.3性能的宣称。该平台在一篇博客文章中写道“Meta的评分卡是将1.3的最大模式发布时仍需通过安全测试与1.2的超高模式进行比较所以部分性能提升源于推理层级的变化并非纯粹的代际飞跃。”Jha表示这使得企业难以判断报告中的性能提升有多少来自1.3本身的改进又有多少来自Meta比较时采用的更高推理配置。Reddit用户也对Meta的基准测试表示怀疑称其为“经典的跑分优化”即优化模型或工作负载以在基准测试中获得高分而非针对实际应用场景。不过分析师们对新模型的价值和应用前景仍持乐观态度。Jha表示“Meta打出了价值牌新模型的定价相比Anthropic和OpenAI的旗舰产品低4到6倍同时仍能产生与更昂贵模型相媲美的结果。”Satapathy也认同这有可能使该模型成为大规模运行复杂软件开发工作负载的企业的“有力”替代方案。