Muse Spark 1.2 Contributor 不是单独训练的小模型，而是 Muse Spark 1.2 的低价服务档位，接口模型 ID 为 muse-spark-1.2-contributor。它与标准版共享 1,048,576 tokens 上下文和多模态输入能力，核心差别在数据使用约定、价格与调用额度：选择 Contributor，意味着允许 Meta 使用提交的提示词和模型输出训练未来模型，以此换取更低的 tokens 单价。

图：Muse Spark 1.2 与 Muse Code 的官方发布页面。Contributor 是该版本在 Meta Model API 中提供的服务档位之一。截图于 2026 年 9 月 23 日获取，来源：Meta AI Research。

Contributor 的准确含义

“Contributor”能够理解为“以数据授权参与模型改进”。开发者支付较低的调用费用，同时允许平台把请求与输出用于后续模型训练。它描述的是服务和数据处理方式，不是模型规模、量化等级或推理速度标签。

Meta 当前为 Muse Spark 1.2 和 1.3 提供 Contributor 版本：

• muse-spark-1.2-contributor
• muse-spark-1.3-contributor

Muse Spark 1.1 只有标准档位，没有官方 Contributor 模型 ID。调用时必须使用完整 ID；把 -contributor 删除后，请求会转到对应的标准计费模型，价格和数据规则也会随之改变。

与标准版有什么区别？

表中价格与额度来自 Meta Model API 官方计费页面，更新时间为 2026 年 9 月 23 日。额度按团队计算，不是每个 API Key 各有一份；在同一团队创建多个密钥不会成倍增加上限。

能力会不会比标准版弱？

官方文档没有把 Contributor 描述成删减能力的轻量版。1.2 Contributor 与 1.2 标准版列出的上下文窗口、输入类型和输出类型相同，均面向编程、多模态理解、工具调用和长流程任务。

但“规格相同”不等于任何时候输出都逐字一致。推理服务本身可能存在非确定性，运行工具、提示词、推理档位和请求时的系统配置也会影响结果。比较两个档位时，应固定模型版本、提示词、工具、推理强度与输出上限，再对多次结果进行统计。

1.3 还有一个容易混淆的限制：官方文档把 max 推理档位标注为标准版专有。若项目依赖最高推理强度，不能只根据低价选择 1.3 Contributor。1.2 的选择重点则主要落在数据规则和调用额度上。

Contributor 为什么便宜这么多？

低价不是因为上下文更短，也不是因为模型参数更少。价差对应的是两项交换：

1. 开发者允许提示词和模型输出用于未来模型训练；
2. Contributor 的每分钟请求额度明显低于标准版。

以一个月使用 1,000 万输入 tokens、200 万输出 tokens 为例，不考虑缓存与联网检索：

这个例子只计算文本模型 tokens。启用联网检索时，每 1,000 次查询另收 2.50 美元；具体还会受到缓存命中率、失败重试和工具返回内容长度影响。

哪些场景适合使用？

公开资料原型

若输入内容本来就能够公开，比如公开文档、开源代码、通用教程或虚构测试数据，Contributor 能以较低成本验证功能。原型阶段往往要反复调整提示词和运行流程，较低单价能够扩大测试覆盖面。

自动化评测

不含内部资料的评测集、格式检查和回归测试适合使用 Contributor。团队能够用固定任务比较模型版本、提示词与推理档位，再把通过验证的配置迁移到标准版。

可丢弃的开发环境

在临时项目、演示代码和无敏感信息的模拟环境中，Contributor 可承担代码生成、故障分析和界面还原任务。最好仍使用隔离目录，并限制能够执行的命令与外部访问范围。

大量低风险生成

产品描述草稿、公开信息分类和通用结构化整理等任务，若数据规则允许，能够利用较低的输入与输出费用扩大处理规模。上线前仍需计算每分钟 100 次请求是否满足峰值流量。

哪些内容不适合提交？

只要团队不能接受内容进入未来模型训练流程，就不应使用 Contributor。常见情况包括：

• 尚未公开的源代码、产品路线和设计文件；
• 客户资料、内部合同、财务记录和访问凭据；
• 受保密协议约束的文档；
• 生产环境日志中包含的个人信息或密钥；
• 公司制度明确禁止交给训练型服务的数据。

不要依赖“我在提示词里写了请勿训练”来改变服务档位规则。是否允许训练由所选模型 ID 与平台条款决定，不由自然语言指令决定。对数据边界没有把握时，应先使用标准版，并让负责合规与信息管理的人员确认。

如何接入 1.2 Contributor？

接口地址和标准版相同，主要变化是模型 ID。使用兼容客户端时，将模型设置为：

muse-spark-1.2-contributor

请求仍通过 Meta Model API 的 Bearer token 验证。团队应在配置层集中管理模型名，不要把标准版与 Contributor 的选择散落在业务代码中。这样需要切换档位时，只改一处配置，并能在日志中清楚记录每次请求使用了哪种数据规则。

上线前能够检查四项内容：模型 ID 是否正确、输入是否允许参与训练、每分钟额度是否足够、坚控是否覆盖联网检索和重试。仅仅看到请求成功，并不能证明项目已经按预期档位运行。

选择 1.2 Contributor 还是 1.3 Contributor？

新项目通常先测试 1.3 Contributor，因为 1.3 在长流程协作、指令保持和工具效率上有所提升。1.2 Contributor 仍适合需要完整音频理解的任务；官方提示 1.3 的音频支持当前并不完整，含音频请求可能出现质量下降。

已有 1.2 流程若结果稳定，没有必要只为版本数字立即迁移。能够选取一批真实任务，比较两个版本的成功率、总 tokens、工具调用次数和人工修正时间。确定新版本带来的收益后，再更新生产配置。

Muse Spark 1.2 Contributor 的价值很明确：它保留 1.2 的主要规格，用训练数据授权换取大幅降低的调用费用。它适合公开、可共享、低风险的原型和批量实验，不适合承载不愿进入训练流程的内部信息。选型时最先确认的不是便宜多少，而是数据是否允许这样使用。