Meta Muse Spark 以 11T token 闯入 OpenCode 周用量榜前三

8 月 31 日 01:17（UTC），开源编码 agent OpenCode 的官方账号（约 17 万关注者）发推宣布，Meta 的 Muse Spark 模型以本周 11T token 进入其周用量榜前三，并附上榜单截图。截图显示，muse-spark-1.2-contributor（Meta）以 11T、+55% 位列第三，前两名分别是智谱的 glm-5.3-flash（17T，-40%）和 DeepSeek 的 deepseek-v4-flash（15T，-56%）。

这条推文发布数小时内获得约 690 次点赞和超过 3.3 万次浏览。这是平台方自己统计并公开的一手用量数据：按每周 token 计量的使用排名，不是基准测试分数。发推约 5 小时后（06:29 UTC）更新的仍把该模型列为第三，数字上浮为 12T、+62%；标注其"上周 OpenCode 用量排名第 3"，token 份额 4.2%。

每月 10 美元订阅里，它给得最多

是每月 10 美元的低成本服务，提供一批精选开源编程模型，Muse Spark 1.2 Contributor 列在其中（标注"仅限部分地区"）。它的标价是每百万输入 token 0.10 美元、输出 0.20 美元、缓存读取 0.002 美元，月度使用额度 60 美元。

文档给出的估算请求量更能说明问题：Muse Spark 1.2 Contributor 每 5 小时约 4.5 万次、每周约 11.3 万次、每月约 22.7 万次，是整张表里额度最高的模型。同表对比，MiMo-V2.5 每周约 7.5 万次，GLM-5.3-Flash 每周不到 4,000 次。同样花 10 美元，选 Muse Spark Contributor 能跑到最多请求。

数据页还显示，该模型平均每次会话消耗约 510 万 token、成本 0.0166 美元，输入 token 中 91% 来自缓存。

便宜 10 倍的代价：提示词进训练管线

"Contributor"档是 Meta 自己的定价设计。据，8 月 5 日 Meta 发布首个编码 agent Muse Code 及配套模型 Muse Spark 1.2，AI 负责人 Alexandr Wang 当时介绍，contributor 档"以显著更低的成本进场"，"比按量付费档还要便宜 10 倍以上"，条件是开发者"选择加入以帮助改进模型"，即 Meta 用第三方数据训练模型。作为参照，Muse Spark 1.1 的按量付费价为每百万输入 token 1.25 美元、输出 4.25 美元。

OpenCode Go 的隐私条款把交换条件写得更直白：Muse Spark 1.2 Contributor"以允许使用你的提示词和补全结果训练未来的 Meta 模型为交换，token 价格可获得大幅折扣"，训练数据一栏标注"是"，不提供零数据留存（ZDR）。评论区已有人注意到这层安排，开发者回复称，OpenCode Go 想持续用下去，"要么用 MiMo-V2.5，要么就把数据（非 ZDR）共享给 MS1.2C"。

Muse Spark 是 Meta Superintelligence Labs 4 月 8 日发布的 Muse 系列首个模型。称其为原生多模态推理模型，支持工具调用、视觉思维链和多智能体编排，是通往"个人超级智能"（personal superintelligence）的第一级台阶。

前三名里两个是中国模型，且在下滑

榜单前两名都是中国实验室的模型。推文配图显示，glm-5.3-flash 以 17T 居首（-40%），deepseek-v4-flash 以 15T 次之（-56%），muse-spark-1.2-contributor 以 11T、+55% 紧随其后。数据页 06:29 UTC 的更新把前三名刷新为 18T（-39%）、15T（-55%）、12T（+62%）。

除总量外，数据页还公布了留存数据：muse-spark-1.2-contributor 的周保留率 85.7%，在样本合格的模型中排第二（合格样本 1.8K），高于 glm-5.3-flash 的 84.5%（5.0K），明显高于 deepseek-v4-flash 的 69.2%（419K）。开发者在回复中点出另一面："两家中国实验室仍然领先于它，即便各自下滑了 40% 和 56%，不知道这种情况还能不能维持一周。"

评论区：里程碑，还是定价策略？

对同一个数字，回复区给出了相反的解读。开发者称之为"开源权重规模化的一个了不起的数据里程碑，Meta Muse Spark 正在开发者生态中巩固自己的位置"。做 AI 成本监控的（ai-costguard）则算了一笔账：11T token 按每百万 0.10 美元输入价计，相当于 Meta 补贴了约 110 万美元推理成本来买分发，"这个榜单是定价策略"（"the benchmark is a pricing strategy"）。另一位用户更直接："没有冒犯的意思，但那只是因为它是那里唯一便宜的模型。"用户则问："因为 Muse Spark 是免费的吗？"

这些声音与 Wang 的差异化策略一致：CNBC 报道称，Meta 是用价格而非能力去与 Anthropic、OpenAI 的同类产品竞争。

周榜只统计 token，不统计动机

无论开发者冲着便宜还是好用而来，这 11T token 的每一次调用，都在按 Contributor 协议把提示词和补全结果送进 Meta 的训练管线。OpenCode 的周榜记录的是用量，Meta 拿到的是数据。榜单本身只统计 token，不统计开发者选择 Muse Spark 的原因。