Tutorial Muse Spark 1.3: Panduan Praktis untuk Pengembang

Meta merilis Muse Spark 1.3 pada 2 September 2026, dan instruksi peningkatannya cukup satu baris: ganti ID model. Ini berarti ia menggunakan endpoint yang sama, software development kit (SDK) yang sama, dan harga yang sama.

Menurut Meta, satu suntingan baris itu menghadirkan model yang menyelesaikan tugas yang sama dengan sekitar 20% lebih sedikit panggilan tool dan 25% lebih sedikit token dibanding Muse Spark 1.2. Angka-angka ini berasal dari perbandingan yang dijalankan oleh insinyur Meta sendiri, pada tugas yang tidak disebutkan, tanpa penjabaran metodologi.

Itulah tepatnya jenis klaim yang ingin saya periksa sebelum mengulanginya. 

Jadi saya memasang Muse Code, “merusak” sebuah proyek open source nyata dengan sengaja, dan menjalankan tiga tugas yang sama pada kedua model.

Untuk mengikuti tutorial Muse Code ini, Anda memerlukan akun pengembang Meta, terminal yang Anda kuasai, serta macOS atau Linux untuk agen Muse Code. Pengguna Windows masih belum beruntung di beta saat ini.

Intinya

• Muse Spark 1.3 adalah model penalaran multimodal andalan Meta, dirilis 2 September 2026, dengan jendela konteks 1M token.
• Muse Code memulai Anda di muse-spark-1.3-contributor secara default, yang berarti Meta melatih dari kode Anda kecuali Anda menggantinya. Pelatihan bersifat opt-out, bukan opt-in.
• Di 6 kali jalan pada 3 tugas pengkodean, 1.3 lebih murah pada 2 tugas dan 38% lebih mahal pada tugas ketiga, netonya peningkatan biaya 12% atas keseluruhan set.
• Penyelesaian model turun 23% dan 32% pada 2 tugas tempat 1.3 unggul, sejalan dengan klaim panggilan tool Meta. Input non-cache turun pada semua 3, namun tak pernah sebesar 25%.
• Tingkat penalaran ultra ada di command-line interface (CLI) dan pemilih dalam sesi, namun backend menolaknya dengan feature gate bernama.

Apa Itu Muse Spark 1.3?

Muse Spark 1.3 adalah model penalaran multimodal andalan Meta, dirilis oleh Meta Superintelligence Labs pada 2 September 2026 dan dibuat untuk sesi agen yang panjang serta pengkodean di seluruh repositori besar. Ia menampung 1.048.576 token konteks dan menerima teks, gambar, video, dan file.

Ada enam hal yang berubah dari Muse Spark 1.2:

• Efisiensi. Sekitar 20% lebih sedikit panggilan tool dan 25% lebih sedikit token dalam perbandingan internal Meta.
• Kolaborasi. Ia mengajukan pertanyaan klarifikasi pada prompt yang samar dan melakukan pengecekan sebelum tindakan yang berakibat.
• Multitasking dalam satu thread, sehingga pesan yang dikirim di tengah alur terlampir ke tugas yang Anda maksud.
• Mengikuti instruksi panjang, dengan lebih sedikit kendala yang terlepas di pekerjaan multi-langkah.
• Kalibrasi lebih baik pada tindakan yang tidak dapat diurungkan.
• Gaya pengkodean yang lebih rapi. Lebih sedikit putaran yang tidak perlu, lebih ringkas.

Semua ini terlihat bagus, tetapi kartu skor yang dipublikasikan Meta menjalankan Muse Spark 1.3 pada penalaran max melawan Muse Spark 1.2 pada xhigh, dan max masih tergate saat peluncuran. 

Artificial Analysis memberi skor varian xhigh yang dikirim pada Intelligence Index 61 dan max pada 62. Jadi hanya berbeda satu poin.

Matt Crabtree sudah membahas tabel benchmark lengkap, rincian harga, dan perbandingan dengan GPT-5.6 Sol dan Claude Opus 5 dalam analisis rilis Muse Spark 1.3. Saya tidak akan mengulanginya. Berikut ini adalah yang terjadi ketika Anda memasangnya dan membuatnya bekerja.

Cara Mengakses Muse Spark 1.3

Ada tiga rute, dan yang tepat tergantung pada apa yang Anda bangun. Pilih dari tabel, lalu lompat ke bagian yang sesuai.

Muse Code, agen terminal

Muse Code adalah agen pengkodean terminal milik Meta, dalam beta untuk macOS dan Linux. Ini adalah “harness” yang menjalankan Muse Spark, dan keduanya memiliki versi yang terpisah, jadi muse --version tidak memberi tahu Anda model mana yang sedang Anda gunakan. Simpan keduanya terpisah di kepala Anda.

curl -fsSL https://dev.meta.ai/install.sh | bash

Itu mengunduh binary 230 MB dan menaruhnya di ~/.local/bin/muse, yang tidak ada di PATH semua orang. 

Lalu periksa apa yang Anda dapatkan:

muse --version

Pada 4 September 2026 saya mendapatkan Muse Code 1.0.2 (1.0.2-R2040.1). 

Cukup aneh untuk versi beta, karena tooling pihak ketiga mendokumentasikan Muse Code sebagai 0.2.1 hanya beberapa minggu sebelumnya. Pin versi apa pun yang Anda dapatkan ke tanggal Anda mendapatkannya.

Tangkapan layar oleh Penulis. Memasang Muse Code dengan skrip satu baris, lalu mengonfirmasi versi 1.0.2 di macOS.

Sekarang jalankan muse. Pertama kali, ia mencetak Not logged in. Run muse again to log in. lalu keluar. Jadi Anda menjalankannya dua kali, hal kecil yang membuat Anda mengira instalasi gagal.

Jalankan kedua memulai alur OAuth device. Ia mencetak URL masuk berisi kode pendek, menampilkan kode yang sama secara terpisah, dan meminta Anda mengonfirmasi keduanya cocok sebelum menyetujui di browser.

Sign in at this page:
  https://auth.meta.com/oauth/device/?code=XXXX-XXXX
confirm this code matches:
  XXXX-XXXX

Waiting for approval…

Lalu Anda akan melihat tampilan berikut: 

Tangkapan layar oleh Penulis. Alur masuk Meta Model API, mengonfirmasi detail akun sebelum menerbitkan kredensial. 

Sisi browser mengonfirmasi nama Anda, menerima ketentuan, dan memasukkan kartu. Baca panel harga di layar pembayaran itu alih-alih langsung mengeklik, alasannya akan jelas dalam sekitar tiga puluh detik.

Tier default melatih dari kode Anda

Kembali di terminal, header sesi memberi tahu Anda apa yang sedang berjalan:

Muse Code 1.0.2
You are logged in.
Model set to muse-spark-1.3-contributor
└ Discounted tokens: your content, including inter-session messages, may be
  used for product improvement.

Baca lagi nama modelnya. Varian contributor, disetel sebagai default, pada instalasi baru, tanpa ada yang menanyakan.

Meta tidak menyembunyikannya. Pengungkapan berada di bawah nama model, layar pembayaran melabeli contributor sebagai DEFAULT, dan bilah status menjaga muse-spark-1.3-contributor tetap terlihat saat Anda bekerja. 

Namun bebannya terbalik dari yang diharapkan sebagian besar pengembang.

Jika Anda membuka Muse Code di dalam repo klien dan mulai bekerja, Anda sudah mengirimkan kode tersebut ke endpoint yang memenuhi syarat pelatihan. Periksa bilah status sebelum prompt pertama Anda, bukan sesudahnya.

Tangkapan layar oleh Penulis. Sesi Muse Code pertama, dengan model default disetel ke muse-spark-1.3-contributor dan pengungkapan peningkatan produk di bawahnya.

Bilah status juga menampilkan upaya penalaran, yang pada saya berada di high. Bukan xhigh, varian yang dibenchmark Artificial Analysis. Ini patut diingat saat Anda membandingkan hasil Anda dengan angka yang dipublikasikan.

Memilih dan mengganti tier

Jalankan /model dan Anda mendapatkan pemilih interaktif dengan empat opsi dan tarifnya. Angka-angka ini cocok dengan layar pembayaran Meta sendiri:

Contributor kira-kira 12 kali lebih murah pada input dan 21 kali lebih murah pada output.

Yang “membeli” diskon tersebut adalah kekayaan intelektual (IP) Anda. Kata-kata Meta adalah "konten Anda, termasuk pesan antar-sesi, dapat digunakan untuk peningkatan produk," yang mencakup lebih dari sekadar kode yang Anda berikan.

Kedua varian Muse Spark 1.2 masih ada di pemilih dengan harga identik, yang penting untuk perbandingan nanti: karena tarif tidak berubah antargenerasi, perbandingan token sama dengan perbandingan biaya tanpa ada penyesuaian.

Tangkapan layar oleh Penulis. Pemilih /model yang menampilkan keempat varian Muse Spark dengan tarif cached, input, dan output.

Untuk opt-out, arahkan kursor ke muse-spark-1.3 dan tekan enter. Baris "Discounted tokens" menghilang dari header.

Untuk pekerjaan klien, ada opsi yang lebih kuat yang tidak pernah muncul di terminal. Meta mengatakan pihaknya telah mulai menerima permintaan zero data retention, ditangani melalui penjualan alih-alih sebuah toggle. 

Retensi dan pelatihan adalah pertanyaan terpisah, dan kontrak agensi biasanya membutuhkan jawaban untuk keduanya.

Pembatasan laju bekerja berbeda antar tier, meski sumber tidak sepakat caranya. Blog pengembang Meta menggambarkan tier contributor dibatasi oleh token dalam jendela berjalan 5 jam alih-alih jumlah permintaan. Liputan pers saat peluncuran 1.2 melaporkan batas 60 permintaan per menit, yang merupakan mekanisme berbeda sama sekali. Saya tidak mencapai salah satu batas di sekitar 90 penyelesaian model dalam satu sore.

Meta Model API dan OpenRouter

Meta Model API kompatibel dengan OpenAI SDK, jadi migrasi berarti mengganti ID model dan mempertahankan kode klien Anda. ID modelnya adalah muse-spark-1.3 dan muse-spark-1.3-contributor.

OpenRouter membawanya di bawah slug meta/muse-spark-1.3. Itu ada biayanya: OpenRouter mengukur throughput sekitar 81 token per detik dibanding 182 yang dicatat Artificial Analysis saat langsung, dengan ketersediaan sekitar 92% selama tiga hari pertama. Meta adalah satu-satunya penyedia, jadi tidak ada penyedia kedua untuk failover.

Sesi Pertama Anda dengan Muse Spark 1.3

Semua di bawah ini berjalan terhadap python-humanize/humanize, dipin ke commit 823ad6096. Terdiri dari 1.676 baris sumber di 6 modul, test suite berjalan di bawah satu detik, dan domainnya tidak perlu penjelasan. Tidak ada yang memodifikasi repo di sini. 

Ini adalah pertanyaan read-only untuk melihat bagaimana agen menjelajahi basis kode sebelum saya memberinya sesuatu yang menulis.

Dua prompt untuk merasakan bagaimana ia membaca kode, mari mulai dengan yang pertama: 

Map the dependency graph of this project and tell me which module has the most inbound imports.

Ia menjalankan dua perintah, mencantumkan struktur proyek, lalu menulis parser AST alih-alih melakukan grep untuk import. Jawaban: i18n dengan 4 inbound import, dirinci sebagai i18n 4, number 2, dan filesize, lists, time serta _version masing-masing 1.

Saya cek dengan skrip saya sendiri dan mendapatkan angka berbeda, yang tampak seperti kesalahan tangkap. Skrip saya salah. Ia hanya menghitung impor relatif (from ._version import ...) dan melewatkan bentuk absolut (from humanize.i18n import ...), yang merupakan cara sebagian besar paket ini mengimpor. Model menangani keduanya.

Prompt kedua yang layak dijalankan, karena Anda bisa menilainya:

List every public function in src/humanize, grouped by module, with a count per module.

Ia menjawab total 20: filesize 1, i18n 5, lists 1, number 8, time 5. Semuanya benar. Lalu ia menambahkan, tanpa diminta, bahwa i18n.get_translation publik berdasarkan nama namun tidak ada di i18n.__all__, yang mengekspor hanya empat lainnya. Juga benar.

Sesi itu menelan biaya $0,01 selama 8 giliran.

Tingkat Penalaran yang Tidak Dibicarakan Meta

muse --help mendokumentasikan ini:

--reasoning-effort <EFFORT>
    Meta reasoning effort: none|minimal|low|medium|high|xhigh|ultra
    (default: high)

Pemilih /effort dalam sesi menawarkan enam dari tujuh itu, menghapus none. 

Tangkapan layar oleh Penulis. Pemilih /effort menampilkan enam tingkat penalaran yang dapat dipilih, dengan high ditandai sebagai saat ini.

Keduanya mencantumkan level bernama ultra, yang tidak muncul dalam pengumuman Meta mana pun. Posisi publik Meta adalah bahwa max reasoning "segera hadir setelah kami menyelesaikan pengujian keselamatan tambahan."

Jadi saya memintanya:

muse exec --model muse-spark-1.3-contributor --reasoning-effort ultra 'Reply with exactly: ok'

tbh: reasoning effort ultra is not available (gate ultra_reasoning_effort is closed); using xhigh

Ada feature gate bernama, ultra_reasoning_effort, dan itu tertutup. Kemampuan sudah dibangun, dan sakelar dimatikan di sisi server. Itu gambaran yang lebih spesifik daripada "menunggu pengujian keselamatan," dan muncul dalam pesan peringatan yang juga berisi kata "tbh."

Dua poin praktis. Klien mengiklankan level yang tidak akan dilayani backend, baik di CLI maupun pemilih. Dan ia menurunkannya diam-diam ke xhigh dengan satu baris stderr, yang dalam skrip atau log continuous integration akan lewat tak terlihat. Anda akan percaya menjalankan konfigurasi yang berbeda dari yang sebenarnya.

Lalu saya coba nilai yang tidak muncul di dokumentasi mana pun:

muse exec --model muse-spark-1.3-contributor --reasoning-effort max 'Reply with exactly: ok'

Tanpa peringatan sama sekali. Ia berjalan dan mengembalikan ok. Jadi nilai yang tidak terdokumentasi lolos validasi tanpa komentar sementara yang terdokumentasi digate, dan Anda tidak dapat mengetahui dari output level upaya mana yang benar-benar melayani permintaan Anda.

Tangkapan layar oleh Penulis. Meminta ultra mengembalikan feature gate tertutup dan penurunan senyap ke xhigh, sementara max yang tidak terdokumentasi lolos tanpa komentar.

Jika Anda peduli level penalaran mana yang Anda jalankan, setel secara eksplisit dan baca stderr. Jangan berasumsi flag yang Anda berikan adalah flag yang digunakan.

Apakah Klaim Efisiensi Muse Spark 1.3 Bertahan Uji?

Berikut tesnya. Ambil satu repo open source, balikkan commit perbaikan bug nyata agar test suite benar-benar gagal, lalu jalankan tiga tugas pengkodean pada kedua model dengan prompt dan flag yang sama.

Ini terpisah dari sesi eksplorasi di atas. Masing-masing menulis kode.

Membalik bagian sumber dari commit 823ad6096 sambil mempertahankan tesnya menyisakan 6 tes gagal, dan itulah kondisi awal:

git checkout 823ad6096e1e5ba82ea876ce761fc2efebd76157
git show 823ad6096 -- src/humanize/filesize.py | git apply -R -
python -m pytest tests/test_filesize.py -q

Setiap run menggunakan bentuk perintah yang sama, hanya mengubah ID model dan prompt:

muse exec \
  --model muse-spark-1.3-contributor \
  --reasoning-effort high \
  --no-parallel-tool-calls \
  --approval-mode never \
  'PROMPT GOES HERE'

Tugas 1, perbaikan bug. 

Keberhasilan di sini biner: 6 tes lolos, atau tidak. 

The test suite tests/test_filesize.py is failing. 
Fix the source code in src/humanize/ so that all tests pass. 
Do not modify any file in tests/.

Tugas 2, fitur kecil.

Cukup terbuka agar kedua model bisa berbeda pendapat tentang cakupan, yang ternyata berpengaruh.

Add a function called natural_list_with_limit to src/humanize/lists.py. 
It formats a list but truncates after a given number of items, appending "and N more". 
Export it from the package and add tests.

Tugas 3, refactor.

Paling berat dari ketiganya, menyentuh beberapa file.

src/humanize/number.py is 571 lines. 
Split it into two modules along a sensible boundary, 
update all imports across the package, and make sure the full test suite still passes.

Ketiga tugas dijalankan berurutan tanpa reset di antaranya, jadi tugas 2 dan 3 dibangun di atas apa pun yang dihasilkan model sebelumnya. Kedua model menempuh jalur yang sama.

Jumlah token berasal dari log sesi di ~/.local/share/muse/sessions/, dihitung sekali per penyelesaian model. Semua enam run lulus tesnya.

Dan delta-nya, di mana negatif berarti 1.3 menggunakan lebih sedikit:

Membaca hasil secara jujur

Dua dari tiga tugas lebih murah, dengan 23% dan 32% lebih sedikit penyelesaian model. Itu tepat pada klaim panggilan tool Meta. Lalu refactor sebaliknya: 70% lebih banyak penyelesaian dan 38% lebih mahal.

Di ketiganya, 1.3 berbiaya 12% lebih mahal ketimbang 1.2. Jadi klaim efisiensi itu nyata tetapi bergantung pada tugas, dan satu persentase headline menyembunyikannya sepenuhnya.

Input non-cache turun di setiap tugas sebesar 19%, 22%, dan 5%. Tidak pernah sebesar 25%. 

Meta tidak mengatakan token mana yang dihitung, dan jawabannya sangat berubah tergantung apakah Anda maksud input, output, non-cache, atau total.

Tingkat hit cache berjalan 88% hingga 97% dan naik seiring panjang tugas. Melaporkan token input mentah tanpa memisahkan cache dari non-cache akan nyaris tak bermakna, karena 4,18M input pada refactor sebenarnya 109k konteks baru plus 4,07M pembacaan ulang yang ditagih seperlima puluh tarif.

Mengapa refactor bukan kerugian murni

Lihat apa yang sebenarnya dilakukan 1.3 pada tugas itu sebelum menyebutnya tidak efisien.

Ia memverifikasi setiap blok yang dipindahkan identik per-bita dengan aslinya, secara terprogram. 

Ia menjalankan --doctest-modules pada kedua file baru. Ia menguji resolusi impor dari direktori sementara di /tmp. Lalu ia menandai dua hal yang tak diminta siapa pun: bahwa fungsi humanize.scientific menimpa nama submodul baru, dan bahwa satu doctest naturaldelta gagal identik pada pohon murni, jadi kegagalan itu tidak disebabkan oleh perubahan.

Muse Spark 1.2 menduplikasi fungsi helper untuk menghindari circular import dan lanjut. 1.3 mengimpornya dan menjelaskan mengapa tidak ada siklus.

Anda tidak dapat memisahkan "membakar lebih banyak token" dari "melakukan pekerjaan yang lebih teliti" dengan desain ini. Pernyataan jujurnya adalah 1.3 menghabiskan lebih banyak dan mengirimkan lebih banyak, dan apakah itu kemenangan tergantung apakah Anda menginginkan ketelitian ekstra itu.

Tugas fitur menunjukkan pola sebaliknya dan merupakan ilustrasi paling bersih dari klaim "kurang bertele-tele" Meta. Muse Spark 1.2 menciptakan alias parameter max_items, n dan max_len yang tak diminta siapa pun dan menulis 28 tes. 

Muse Spark 1.3 menulis satu signature dengan default yang masuk akal dan 20 tes, menghasilkan 54% lebih sedikit token output.

Apa yang tidak bisa saya kendalikan

Empat hal, dan artikel ini tidak jujur tanpanya.

1. Muse Code memperbarui dirinya dari 1.0.2 ke 1.0.3 di tengah jalan, jadi “harness”-nya tidak identik di semua enam run. 
2. Tugas 2 dan 3 dimulai dari output model masing-masing sebelumnya alih-alih pohon yang identik per-bita, karena rangkaian berjalan tanpa reset.
3. Setiap sel adalah satu percobaan, jadi variasi run-to-run biasa tidak terukur. 
4. Dan saya menjalankan semuanya di tier contributor, yang adalah model yang sama tetapi syarat data yang berbeda.

Tak satu pun dari itu membatalkan arah hasilnya. Namun berarti perbedaan agregat 12% adalah sinyal yang lebih lemah dibanding tiga run yang cocok per sel.

Praktik Terbaik dan Pemecahan Masalah Mose Spark 1.3

Beberapa hal yang ingin saya ketahui sejak hari pertama.

Meminta perilaku kolaborasi melalui prompt

Muse Spark 1.3 mengajukan pertanyaan klarifikasi pada prompt ambigu, jadi prompt yang terlalu dispesifikkan mematikan fitur yang Anda bayar. Terasa kontraintuitif jika Anda dua tahun terakhir belajar memuat semua instruksi di depan.

Namun cakupan tetap penting. "Pisahkan number.py" membuat model menebak batas, pembaruan impor, dan apa yang dianggap selesai. Versi yang saya gunakan benar-benar menjabarkan ketiganya:

src/humanize/number.py is 571 lines. Split it into two modules along a sensible boundary, update all imports across the package, and make sure the full test suite still passes.

Satu hal lagi yang perlu diketahui. Prompt refactor saya menyebut number.py is 571 lines. Yang benar 567. Kedua model mengoreksi saya tanpa diminta, dan 1.3 melakukannya di kalimat pembuka. Angka saya berasal dari mengukur tip repo alih-alih commit yang dipin.

Menekan biaya

Letakkan bagian stabil dari prompt Anda di depan agar tetap bisa di-cache. Pada tingkat hit 88% hingga 97%, perilaku cache Anda menggerakkan tagihan jauh lebih besar daripada pilihan model Anda.

Ketiga tugas berbiaya total $0,034 di contributor. Pekerjaan yang sama di standard akan sebesar $0,91, selisih 27x. Itulah keputusan tier dalam satuan uang: tiga sen versus sembilan puluh.

Jika Anda melalui OpenRouter, penelusuran web ditagih terpisah sebesar $2,50 per 1.000 panggilan.

Saat Muse Spark 1.3 bukan pilihan tepat

• Tidak ada jejak penalaran yang diekspos. Anda melihat apa yang diputuskan, bukan mengapa, yang membuat refactor buruk lebih sulit di-debug.
• Max reasoning tergate, jadi konfigurasi di balik setiap angka benchmark utama tidak tersedia.
• Bobot tertutup. Tidak ada self-hosting, tidak ada fine-tuning. Peta jalan Meta menyebut "rilis bobot terbuka Muse Spark" tanpa versi, tanggal, atau lisensi.
• Satu penyedia. Ketika endpoint Meta menurun, tidak ada tempat untuk diarahkan.

Masalah umum dan solusinya

• muse: command not found setelah instalasi bersih. Skrip memasang ke ~/.local/bin/muse, yang tidak ada di PATH setiap shell.
• Not logged in. Run muse again to log in. Tepat seperti yang dikatakan. Muse pertama keluar, yang kedua memulai proses masuk.
• Anda berada di tier contributor dan tidak memilihnya. Itulah defaultnya. Periksa bilah status dan jalankan /model sebelum membuka apa pun yang proprietari.
• ultra reasoning diam-diam menjadi xhigh. Gatenya tertutup. Baca stderr alih-alih mempercayai flag yang Anda berikan.
• Muse Code memperbarui dirinya di tengah sesi. Punya saya berubah 1.0.2 ke 1.0.3 antar run. Jika Anda mengukur apa pun, pin dan catat versinya.

Satu hal yang tidak terulang

Beredar laporan bahwa pengguna UE masih dilayani Muse Spark 1.1 setelah 1.3 dirilis. Saya menjalankan semua ini dari Belanda dan mendapatkan 1.3 sepanjang waktu. Laporan itu menyangkut Meta.ai, asisten konsumen, dan tampaknya tidak berlaku untuk Muse Code atau Model API. Dua rollout yang berbeda.

Penutup

Klaim efisiensi Meta terbukti pada dua dari tiga tugas saya dan berbalik pada yang ketiga, menghasilkan peningkatan biaya bersih 12% di keseluruhan set. Sisi panggilan tool terlihat solid dengan pengurangan 23% dan 32% saat 1.3 unggul. Sisi token sepenuhnya bergantung pada token mana yang Anda hitung.

Jika Anda sudah menggunakan Meta Model API atau Muse Code, mengganti ID model hanya butuh semenit, dan Anda mungkin akan unggul pada pekerjaan rutin. Jika Anda memilih baru untuk agen produksi, varian max yang tergate dan ketiadaan jejak penalaran adalah alasan konkret untuk menunggu beberapa minggu.

Hal yang benar-benar akan saya tindak lanjuti bukanlah angka efisiensinya. Melainkan bahwa Muse Code menempatkan Anda pada tier yang memenuhi syarat pelatihan secara default, dan bahwa tingkat penalaran terdokumentasi diturunkan diam-diam saat Anda memintanya. Keduanya satu baris untuk diperiksa dan mudah terlewat.

Jalankan perbandingan pada beban kerja Anda sendiri. Tiga tugas saya bukan tiga tugas Anda, dan sebaran di antaranya lebih besar daripada selisih antarmodel.

Untuk gambaran benchmark lengkap, analisis rilis Muse Spark 1.3 dari Matt memiliki tabelnya. Untuk membangun keterampilan menilai model seperti ini sendiri, mulai dari AI Agent Fundamentals skill track kami.