Phiên bản Spark 1.3 mới nhất của Meta tập trung vào một câu hỏi thực tiễn đang chi phối cuộc đua đại lý: liệu một mô hình nhỏ hơn, nhanh hơn có thể đảm nhận công việc luôn hoạt động mà không làm cháy ngân sách? Bản cập nhật nhắm đến chất lượng mã tốt hơn, sử dụng công cụ bền bỉ hơn và giảm độ trễ cảm nhận—chính là những nơi đại lý dành phần lớn thời gian. Trong một tuần đầy các bản làm mới mô hình trên toàn ngành, điểm khác biệt của Spark không phải là một chỉ số ấn tượng đơn lẻ mà là một luận điểm vận hành: giữ token rẻ, chu kỳ ngắn và vòng lặp có thể dự đoán để các nhà phát triển có thể để đại lý chạy liên tục cho việc bảo trì mã, tích hợp, xử lý dữ liệu và phân phối vé.
Đối với các đại lý lập trình, độ tin cậy thường phụ thuộc vào đầu ra có cấu trúc, độ chính xác khi gọi hàm và khả năng phục hồi sau các lỗi một phần. Spark 1.3 được thiết kế để cải thiện những lĩnh vực này, điều quan trọng hơn cả tỷ lệ vượt qua tiêu đề khi đại lý điều phối công cụ, kho mã và CI. Kết quả sẽ là giảm các trạng thái “đình trệ”, giảm sự dài dòng trong chuỗi suy nghĩ và tăng tốc chu kỳ sửa lỗi. Nếu bản cập nhật giảm đáng kể số lần thử lại trong khi giữ giá tương đương với Spark trước đó, chi phí hiệu quả cho mỗi hành động thành công sẽ giảm—giúp các nhóm có thể phân bổ ngân sách cho cửa sổ ngữ cảnh, bộ nhớ và hệ thống đánh giá thay vì chỉ chi cho mô hình.
Kinh tế đại lý phụ thuộc vào ba yếu tố: tỷ lệ thành công hành động, số token mỗi vòng lặp (bao gồm công cụ), và tần suất vòng lặp. Một mô hình nhẹ hơn thắng khi nó nâng cao xác suất thành công đủ để các lần thử lại không làm mất lợi thế về giá. Ngược lại, nếu nhiệm vụ của bạn là nghiên cứu mở hoặc lập kế hoạch đa công cụ với điều kiện tiền đề dễ vỡ, một mô hình tiên phong có thể vẫn có lợi bằng cách hợp nhất các bước. Lời hứa của Spark 1.3 là chuyển các công việc mã và tích hợp lặp đi lặp lại xuống dưới ngưỡng tiên phong—nơi các bộ bao bọc xác định, kiểm tra lược đồ và phản hồi CI có thể kiểm soát lỗi mà không cần can thiệp của con người.
Các nhóm nên thử nghiệm Spark 1.3 theo hai hướng: (1) bot lập trình liên tục để loại bỏ lỗi cú pháp, nâng cấp phụ thuộc, sửa lỗi kiểm thử không ổn định và tạo khung mã; và (2) đại lý tích hợp đọc đặc tả API, đề xuất bộ chuyển đổi và duy trì kết nối. Theo dõi chi phí đến khi hoàn thành với mô hình đơn giản: chi phí hàng tháng ≈ (trung bình token mỗi vòng × vòng lặp/giờ × giờ/ngày × ngày)/1e6 × giá mỗi MTok. Ghi lại số lần thử lại, lỗi công cụ và tỷ lệ chấp nhận PR. Nếu Spark giữ được độ chính xác trong khi giảm độ trễ đuôi và công việc sửa lại, nó sẽ trở thành lựa chọn mặc định cho đại lý 24/7, dành các mô hình cao cấp cho các trường hợp cần nâng cấp và đánh giá.