Muse Spark 1.3 hemat 25% token—klaim Meta belum diuji independen

Meta merilis Muse Spark 1.3 pada 2 September 2026 melalui Muse Code dan Meta Model API. Dalam pengumuman Meta bertanggal 2 September, perusahaan mengeklaim model ini memakai sekitar 25% lebih sedikit token dan 20% lebih sedikit pemanggilan alat daripada versi 1.2 dalam perbandingan yang dilakukan para teknisi Meta.

Model dengan tingkat penalaran yang sebelumnya tersedia sudah diluncurkan, tetapi konfigurasi max reasoning masih menunggu pengujian keselamatan tambahan. Laporan Axios mengenai peluncuran juga menyebut harga Muse Spark 1.3 tidak berubah dari pendahulunya dan Meta belum memberikan tanggal pasti untuk mode max.

Apa yang tersedia dalam rilis Muse Spark 1.3

Pembaruan ini berfokus pada tugas agen dan pengodean berdurasi panjang. Model dirancang untuk menjaga beberapa alur kerja dalam satu percakapan, mempertahankan persyaratan pada instruksi bertahap, meminta penjelasan ketika tugas ambigu, serta meminta konfirmasi sebelum melakukan tindakan yang berkonsekuensi besar.

Kemampuan tersebut dapat dinilai melalui Muse Code dan Meta Model API dengan tingkat penalaran yang sudah tersedia. Sebaliknya, hasil evaluasi yang memakai max reasoning tidak boleh diperlakukan sebagai gambaran langsung dari konfigurasi produksi karena versi itu belum tersedia secara umum.

Pembedaan konfigurasi penting untuk membaca hasil uji. Tingkat penalaran dapat memengaruhi kualitas keluaran, latensi, jumlah token, dan biaya, sehingga skor max tidak dapat dipindahkan begitu saja ke xhigh atau tingkat lain yang dapat diakses pengguna.

Klaim 25% dan bukti yang tersedia

• Tersedia sekarang: Muse Spark 1.3 melalui Muse Code dan Meta Model API, memakai tingkat penalaran yang telah tersedia sebelumnya.
• Hasil internal: sekitar 20% lebih sedikit pemanggilan alat dan 25% lebih sedikit token daripada Muse Spark 1.2 dalam perbandingan pekerjaan pengodean oleh teknisi Meta.
• Masih menyusul: max reasoning, setelah pengujian keselamatan tambahan selesai.
• Belum direplikasi: pengurangan token sebesar 25% pada pengujian independen dengan tugas, konfigurasi, dan ukuran keberhasilan yang setara.

Belum adanya replikasi yang sebanding tidak berarti klaim Meta telah terbukti salah. Analisis VentureBeat atas hasil pihak ketiga menjelaskan bahwa pengujian independen pada rangkaian tugas penalaran dan agen yang lebih luas menunjukkan konsumsi input dan biaya per tugas yang berbeda, tetapi metodologinya tidak sama dengan perbandingan pengodean internal Meta.

Karena subjek dan beban kerjanya berbeda, kedua hasil itu tidak dapat disebut saling membantah. Klaim 25% hanya menggambarkan perbandingan internal yang diumumkan Meta; klaim tersebut bukan jaminan bahwa setiap repositori, perangkat agen, atau pola permintaan akan memperoleh penghematan yang sama.

Harga tetap mengubah arti penghematan

Karena tarif per token tidak turun, manfaat ekonomi Muse Spark 1.3 bergantung pada jumlah sumber daya yang diperlukan untuk menyelesaikan pekerjaan. Biaya hanya berkurang apabila penurunan token atau pemanggilan alat tetap menghasilkan keluaran dengan tingkat keberhasilan yang setara.

Jumlah token saja belum cukup untuk membuktikan efisiensi. Respons yang lebih singkat dapat membutuhkan percobaan ulang, melewatkan pengujian penting, atau memerlukan koreksi manusia; sebaliknya, penggunaan token yang sedikit lebih tinggi dapat tetap ekonomis jika lebih banyak tugas selesai dengan benar pada percobaan pertama.

Ukuran yang lebih relevan ialah biaya per tugas yang lolos pemeriksaan, termasuk token masukan dan keluaran, pemanggilan alat, waktu eksekusi, percobaan ulang, serta intervensi manusia. Masalah ini juga muncul dalam evaluasi konsumsi token agen AI, ketika anggaran komputasi tidak dengan sendirinya menunjukkan akurasi.

Pengujian migrasi yang dapat direplikasi

Tim yang mempertimbangkan perpindahan dari Muse Spark 1.2 dapat menguji klaim efisiensi pada pekerjaan mereka sendiri. Perbandingan perlu mempertahankan repositori awal, instruksi, alat, batas waktu, tingkat penalaran, dan kriteria kelulusan yang sama agar perbedaan versi menjadi variabel utama.

1. Pilih tugas representatif yang sudah mempunyai hasil acuan, seperti perbaikan bug, refaktor terbatas, atau penambahan pengujian. Tetapkan kriteria lulus sebelum kedua model dijalankan.
2. Jalankan versi 1.2 dan 1.3 beberapa kali untuk setiap tugas. Catat token masukan, keluaran dan cache, jumlah pemanggilan alat, durasi, percobaan ulang, serta intervensi manusia.
3. Periksa keluaran dengan rangkaian pengujian otomatis yang sama dan tinjau perubahan yang tidak tercakup tes. Keluaran yang lebih pendek tidak dihitung sebagai penghematan apabila gagal atau menimbulkan regresi.
4. Bandingkan median biaya per tugas yang lulus serta distribusi kegagalannya. Total token tanpa hasil kelulusan dapat menyembunyikan biaya percobaan yang tidak menghasilkan solusi.
5. Terapkan migrasi bertahap bila versi 1.3 hanya unggul pada kategori tertentu, dan pertahankan jalur kembali ke versi 1.2 selama evaluasi.

Mode max sebaiknya tidak dicampurkan ke dalam perbandingan produksi sebelum tersedia melalui kanal yang dipakai tim. Menggabungkan hasil max dengan hasil tingkat penalaran yang sudah dirilis akan mengubah konfigurasi pengujian dan mengurangi keterbandingannya.

Batas yang masih belum terjawab

Kesimpulan yang dapat ditarik saat ini terbatas: Muse Spark 1.3 telah tersedia di dua kanal Meta, tarifnya sama dengan versi sebelumnya, dan pengurangan sekitar seperempat token merupakan hasil perbandingan internal pada pekerjaan pengodean. Belum ada replikasi independen dengan metodologi setara yang membuktikan besarnya penghematan tersebut pada penggunaan nyata.

Mode max juga belum tersedia secara umum dan belum memiliki tanggal peluncuran pasti. Bukti berikutnya yang paling menentukan adalah dokumentasi metodologi yang lebih lengkap, hasil biaya per tugas dari pengguna independen, serta pelepasan konfigurasi max setelah pengujian keselamatannya selesai.

Baca juga:

• Agen AI dapat memakai 1.000 kali lebih banyak token—biaya tinggi belum tentu akurat
• GPT-5.6 masuk Kiro, tetapi klaim hemat biaya 82% perlu dibaca hati-hati
• TikTok Creator Rewards belum tersedia di Indonesia—ini jalur resmi yang aktif