Muse Spark Open：2026-10-15 公開權重，816B 總參數／42B 啟用的 MoE＋原生多模態 Perception Encoder，1,048,576 tokens context；第三方平台 API 定價 input $1.25／output $4.25（快取 input $0.15），跟兩個月前的閉源 Muse Spark 1.2 完全相同；Meta 官方比較表中，Muse Spark Open 在 JobBench（61.8）、MCP-Atlas（89.2）兩項 agentic 測試是所有列出模型裡最高分，但 AA Intelligence Index 僅 39 分，落後 GLM 5.3（45）與 Kimi K3（44）；可在兩台 Apple M5 Ultra Mac Studio 用 MLX 跑滿整個模型，是該規格第一款做到這件事的模型。
TEE 是硬體隔出來的執行環境，目標是連機器的營運者也看不到裡面在處理什麼；遠端證明則讓外人驗證「房間裡跑的是哪份程式」。WhatsApp 的 Private Processing 用它跑 AI 摘要，Meta 的獎金頁把 TEE 內程式碼執行（含繞過程式碼證明）、權限提升、VM 逃脫各列到最高 30 萬美元，資料洩漏 15 萬、持久化 1 萬，僅限受邀，且只有內部情境的漏洞另有較低的上限。Trail of Bits 的審查找到 28 個問題，其中 8 個高嚴重度，說明 TEE 的難處在實作細節，不在概念本身。
Google 依報告品質把獎金乘上 0.8、1 或 1.2 倍，看七個維度，而且只採計分流前已有的資訊，事後補充通常不影響。照一頁模板（標題、摘要、前提、重現步驟、影響、修補建議）寫，再用「機率 × 金額 ÷ 時數」粗估每小時期望；上限再高，機率小到一定程度，期望也可能比小額獎金低。送出後只有 Resolved 保證有獎金，被判重複或無效很常見。文中的機率與時數全是假設，不是統計。
Alexandr Wang 說 Meta 把個人 Agent 需要的 100 多項行為各建一個 eval，每項設「阻擋上線」與「算好」兩條門檻，等到第一個全綠的檢查點出現，並確認實際用起來明顯更好才上線；另外也做了新手使用者測試。這套做法可以照抄，但上線後的安全爭議也說明：全綠不等於安全。
獎金要連同產品、漏洞類別、攻擊情境與證據要求一起看；各計畫上限與品質規則不能混用。
Muse Wonder（API 可呼叫）與 Muse Wonder Full（僅限 Muse Code 訂閱）：2026-10-12 發佈，1,048,576 tokens context，定價 $4.00/1M input（快取 $0.20）／$20.00/1M output，與 Claude Opus 5.5 完全同價；官方自測 Terminal-Bench 4.0-AA 85.6（Wonder）/85.5（Full）均超過 Opus 5.5 的 81.5，SWE-Marathon 78.8/79.0 同樣領先 Opus 5.5 的 74.2；但獨立評測機構 Artificial Analysis 的 Intelligence Index 把 Wonder 列在 52 分（219 模型中第 9）、Wonder Full 56 分（699 模型中第 4），低於 Meta 自己公佈的 56/59.0，也低於 Opus 5.5 的 58 分。這是 Meta 自 2025 年 8 月重組 AI 團隊後首款前沿級模型，兩個 checkpoint 能力分工不對稱：Wonder 在 AutomationBench／GDP.pdf 領先 Full，Full 則在 JobBench／Vals Finance／MemoryBench 大幅領先 Wonder。
Muse Spark 是 Meta 的閉源 agentic 模型線：1.3 以 1M context、多模態輸入與長程工具迴圈為主力，Standard 每 1M tokens 為 $1.25 input／$4.25 output，Contributor 則以資料訓練權換取 $0.10／$0.20。它不是 Llama 的下一版，而是 Meta 把模型、API 與 coding agent 一起產品化的另一條線。
Muse Voice Transcribe（muse-voice-transcribe-1.0）：Meta Superintelligence Labs 首款即時語音感知模型，2026-09-01 上線；閉源，僅提供 API，$0.18／小時音訊（$3.00／千分鐘）；Streaming 最終逐字稿 WER 3.1%（Artificial Analysis AA-WER Streaming 第一，優於 Cartesia Ink-2 的 3.4%），語音結束到出稿延遲僅 0.16 秒；單一模型同時做 ASR、20+ 人 diarization、endpointing，取代過去需串接三套系統的作法
Muse Spark 1.2：1M context window、input $1.25/output $4.25 per 1M tokens（與 1.1 相同）、AA Intelligence Index 57、GDPval-AA v2 Elo 大跳 260 分到 1631（全場第 5），搭配首款程式碼 agent Muse Code 主打長時間多 agent 協作
Llama 是 Meta 推出的開源 LLM 家族，以企業部署量最大、生態最成熟聞名。Llama 4 Scout（10M context）和 Maverick（17B active / 400B total MoE）是目前的開源多模態標竿，但 Meta 已在 2026 年 4 月轉向閉源 Muse Spark——Llama 4 很可能是最後一個主要的開源 Llama，且授權不是真正的開源（Llama 4 Community License，月活超 7 億需另外授權）。
2026 年 8 月 Meta Superintelligence Labs 發布 Muse Code beta。閉源靜態 binary、Muse Spark 1.2 模型、平行子 agent + worktree 隔離。最大爭議是定價：標準版 $1.25/$4.25 per M tokens，Contributor 版 $0.10/$0.20——便宜 20 倍，但你的程式碼進 Meta 的訓練管線。
Muse Glimmer（HF：meta-models/Muse-Glimmer-30B）：29.6B 參數、131K+ context、Apache 2.0 全開源，本地部署零 token 成本；MCP Atlas 75.5 分（同級 Gemma4-31B 54.2、Qwen3.6-27B 62.5）、SWE-Bench Pro 51.2 分領先同級，但 OSWorld-Verified、TerminalBench 2.1 落後 Qwen3.6-27B；4-bit 量化後 20GB 內可跑，RTX 5090 上 DFlash 投機解碼提速 3.1 倍
Northeastern 實測 17,260 個 Android app，零個啟動麥克風。2026-05 FTC 更認定號稱在「偷聽」的 Cox Media Group 根本沒蒐集語音，賣的是資料掮客的二手 email 名單，三家合計罰 93 萬美元。真正的管線是站外事件回流、相似受眾外溢、通訊錄社交圖與位置掮客。
矽谷一線公司各自獨立打造內部 AI coding agent，從 Slack 訊息到 merged PR 全程自動化。深入拆解 Stripe、Ramp、Coinbase、Spotify 四家的架構與 2026 年最新成長數字（Stripe 7,000+ PRs/週、Ramp 75% merged PRs），再擴展到 Google、Meta、Amazon、Uber、Shopify、PostHog 等十多家公司的做法與指標。