Muse Spark 1.3: nowy model Meta jest już w ChatPlus

Jeszcze półtora roku temu Meta była „tą firmą, która rozdaje swoje modele”. Miliony osób pobierały Llama, startupy budowały na niej produkty, a zespoły dostrajały ją do własnej pracy. Ale w wyścigu o najmądrzejszy model Meta wyraźnie odstawała od OpenAI, Anthropic i Google.

Dziś ma inną strategię i inną rodzinę modeli: Muse. Modele są zamknięte, tworzy je osobny dział, a nowe wersje pojawiają się niemal co miesiąc. Najnowszy, Muse Spark 1.3, ukazał się 2 września i od dziś jest dostępny w ChatPlus. Poniżej: skąd się wziął, co potrafi, co stoi za jego wynikami i kiedy warto go wybrać.

Jak Meta doszła do Muse

W kwietniu 2025 Meta wypuściła Llama 4, a reakcje były raczej letnie. Modele były solidne, ale nie dowiozły obietnic, a premierę największej wersji przełożono. Dla firmy, która wydaje na AI dziesiątki miliardów dolarów rocznie, był to nieprzyjemny sygnał.

Tamtego lata Zuckerberg przebudował cały projekt. Meta utworzyła nowy dział, Meta Superintelligence Labs, ściągnęła mocnych badaczy z OpenAI, Google i innych laboratoriów, a także zaczęła budować nowe centra danych do trenowania dużych modeli. Cel deklarowano ambitnie: „osobista superinteligencja”, czyli AI pomagająca każdej osobie w jej własnych celach.

Pierwszym efektem był Muse Spark. Zadebiutował 8 kwietnia 2026 i od razu trafił do asystenta Meta AI, w wersji webowej i w aplikacji. Był to multimodalny model rozumujący: potrafił wywoływać narzędzia, analizować obrazy i uruchamiać kilka agentów równolegle. Deweloperzy na początku mieli do niego bardzo ograniczony dostęp, wyłącznie przez prywatny preview.

Potem tempo mocno przyspieszyło:

• lipiec: Muse Spark 1.1 i publiczny preview API dla deweloperów;
• sierpień: Muse Spark 1.2 oraz Muse Code, własny agent Meta do programowania, działający bezpośrednio w terminalu;
• 2 września: Muse Spark 1.3, czyli bohater tego tekstu.

Trzy wersje w trzy miesiące to bardzo szybkie tempo jak na duże laboratorium.

Co potrafi Muse Spark 1.3

Meta opisuje nową wersję tak: model jest trenowany pod długie, wieloetapowe zadania. Za tym zdaniem kryją się trzy konkretne umiejętności.

Po pierwsze, model pilnuje przebiegu pracy. Przy długim zadaniu pamięta, co już zrobił i jaki był tego efekt, zamiast zaczynać każdy krok od zera. Jeśli poprosisz go, żeby przeszedł przez projekt, naprawił testy i zaktualizował dokumentację, w trzecim kroku nie zapomni, co zmienił w pierwszym.

Po drugie, radzi sobie z bałaganem. Prawdziwe zadania rzadko przychodzą w idealnym porządku: specyfikacja mówi jedno, wątek mailowy drugie, a kod trzecie. Muse Spark 1.3 trenowano tak, by zauważał takie sprzeczności i umiał przez nie przejść, zamiast losowo wybrać jedną wersję.

Po trzecie, dopytuje. Gdy brakuje informacji, model sprawdza to z Tobą, zamiast wypełniać luki domysłami. Brzmi jak drobiazg, ale to właśnie zgadywanie najczęściej wykoleja agentów.

Meta mocno podkreśla też programowanie. Wersję 1.3 dopracowano na realnej pracy w Muse Code i — według firmy — wykonuje ona mniej zbędnych kroków oraz pisze bardziej zwarty kod. Jeśli używasz AI jako partnera do programowania, poczujesz różnicę: po modelu zostaje mniej sprzątania.

Model rozumie więcej niż tekst. Możesz pokazać mu zrzut ekranu, zdjęcie, diagram albo PDF. Meta wspomina ciekawy szczegół: rozumowanie wizualne Muse Spark działa przez prawdziwe środowisko wykonawcze. Mówiąc prościej, model może przetwarzać obraz kodem, a nie tylko „patrzeć” na niego i szacować na oko.

Okno kontekstu modelu ma 1 048 576 tokenów, czyli ponad milion. To setki stron tekstu albo duże repozytorium za jednym razem. Co ważniejsze, model naprawdę dobrze korzysta z tego okna, co pokazują wyniki poniżej.

Co mówią liczby

Wszystkie poniższe wyniki Meta zmierzyła samodzielnie, w maksymalnym trybie rozumowania.

Największe wrażenie robi wynik dla długiego kontekstu. MRCR sprawdza, czy model potrafi znaleźć właściwy fragment wśród wielu podobnych, ukrytych w ogromnym tekście. Sporo modeli formalnie przyjmuje milion tokenów, ale przy takiej skali zaczyna „gubić” środek. Muse Spark 1.3 osiąga 98.1% w zakresie od pół miliona do miliona tokenów, niemal bez strat.

Wzrost względem poprzedniej wersji też jest zauważalny. W JobBench model urósł z 61.6% do 64.9%, a w biurowym benchmarku GDPval-AA z 1615 do 1754 punktów Elo.

Teraz porównanie z konkurencją — z ważnym zastrzeżeniem. W GDPval-AA Muse Spark 1.3 pokonuje GPT-5.6 Sol (1710), ale przegrywa z Claude Opus 5 (1824). Meta porównuje się jednak z poprzednią generacją. Od tego czasu wyszły Claude Opus 5.5 i GPT-6 Sol, których tabele Meta nie obejmują. Uczciwe podsumowanie brzmi więc tak: Muse Spark 1.3 gra w tej samej lidze co flagowce, ale nie wyprzedza ich najnowszych wersji.

Ile kosztuje

Cena jest atrakcyjna: $1.25 za milion tokenów wejściowych i $4.25 za milion tokenów wyjściowych. Dla porównania Claude Opus 5.5 kosztuje $4 i $20, GPT-6 Sol $2 i $10, a Grok 4.7 $2 i $6. Przy wydajności zbliżonej do poziomu flagowców to jedna z najlepszych ofert na rynku.

Meta oferuje też drugi, prawie darmowy wariant: 10 centów za wejście i 20 za wyjście. Przy tej cenie Meta dostaje jednak prawo do trenowania swoich modeli na Twoich promptach i odpowiedziach. W ChatPlus podłączyliśmy tylko standardowy tier, więc Twoje rozmowy z Muse Spark nie są używane do trenowania modeli Meta.

Gdzie Muse Spark błyszczy, a kiedy wybrać coś innego

Muse Spark 1.3 jest najmocniejszy tam, gdzie zadanie jest długie i poplątane. Przejście przez duży projekt, znalezienie przyczyny błędu w cudzym kodzie, pogodzenie kilku sprzecznych dokumentów w jeden wniosek, wyciągnięcie potrzebnych informacji z obszernego raportu: to jego naturalne środowisko. Dobrze działa też ze zrzutami ekranu; pokazanie mu interfejsu z błędem i poproszenie o rozgryzienie problemu to zupełnie normalne zastosowanie.

Ma też słabsze strony. To model rozumujący, więc na proste pytania odpowiada wolniej niż lżejsze modele: najpierw myśli, potem pisze. Do tłumaczeń, streszczeń i szybkiego wyszukiwania informacji wybierz coś lżejszego, na przykład GPT-6 Luna. Meta mówi bardzo niewiele o kreatywnym pisaniu, więc jeśli zależy Ci na stylu, porównaj go z Claude na własnym zadaniu.

Jak wypróbować go w ChatPlus

Muse Spark 1.3 jest dostępny w planie PRO i, podobnie jak inne mocne modele, korzysta z Twojego limitu — 5-godzinnego limitu, z którego odliczane są zapytania do drogich modeli. Otwórz czat z Muse Spark 1.3.

Najbardziej przydatne jest porównanie go z innymi modelami na własnym zadaniu. W ChatPlus możesz przełączać modele w trakcie rozmowy: zapytaj Muse Spark, przełącz się na Claude albo GPT, wyślij to samo polecenie i od razu zobacz, czyja odpowiedź jest lepsza. Specyfikację modelu i wyniki benchmarków zebraliśmy na osobnej stronie Muse Spark 1.3.

W skrócie

Muse Spark 1.3 to najnowszy model od Meta Superintelligence Labs, wydany 2 września 2026. Jest mocny w długich zadaniach agentowych, kodzie i bardzo dużych kontekstach: 88.8% w Terminal-Bench 2.1 i niemal zero strat przy milionie tokenów. Nadal ustępuje najnowszym flagowcom Anthropic i OpenAI, ale kosztuje kilkukrotnie mniej. W ChatPlus model jest już dostępny w planie PRO.