Meta发布Muse Spark模型，性能进入前五，但非开源。
Meta回归！Muse Spark在Artificial Analysis Intelligence Index上得分52，仅次于Gemini 3.1 Pro、GPT-5.4和Claude Opus 4.6。Muse Spark是自2025年4月Llama 4以来的首个新版本，也是Meta首个非开放权重的发布。
Muse Spark是Meta在Artificial Analysis上评估的新模型。Meta给予我们早期访问权限以独立基准测试该模型。这是自Llama 4 Maverick于2025年4月发布以来，Meta首个前沿级模型，值得注意的是，这也是首个不以开放权重形式发布的@AIatMeta模型。此次发布紧随Meta重组其AI努力为Meta超级智能实验室之后，标志着Meta在相对沉寂约一年后重新进入前沿竞赛。
作为背景，Llama 4 Maverick和Scout在发布时作为非推理模型，在Artificial Analysis Intelligence Index上分别得分18和13，而Muse Spark得分为52。Muse Spark实际上在一次发布中缩小了与前沿的差距。
该模型并非开源，目前也无法通过API访问，但Meta表示预计很快会提供。Meta还将Muse Spark整合到其第一方产品中，包括Meta AI聊天产品、Facebook、Instagram和Threads。
从我们的基准测试中得出的关键结论：
➤ Muse Spark在Artificial Analysis Intelligence Index上得分52，位列我们评测的前五名模型之中。它领先于Claude Sonnet 4.6、GLM-5.1、MiniMax-M2.7、Grok 4.20，落后于Gemini 3.1 Pro Preview、GPT-5.4和Claude Opus 4.6。
➤ Muse Spark在其智能水平上特别节省token。它运行Intelligence Index使用了5800万输出token，与Gemini 3.1 Pro Preview（5700万）相当，并显著低于Claude Opus 4.6（自适应推理，最大努力，1.57亿）、GPT-5.4（xhigh，1.2亿）和GLM-5（1.1亿）。
➤ Muse Spark是我们评测过的第二大视觉能力模型。它在MMMU-Pro上得分80.5%，仅次于Gemini 3.1 Pro Preview（82.4%）。
➤ Muse Spark在推理和指令遵循评估中表现强劲。它在HLE上得分39.9%，仅落后于Gemini 3.1 Pro Preview（44.7%）和GPT-5.4（xhigh，41.6%）。该模型在CritPT上以11%的得分位列第五，该评估专注于困难的物理研究问题。这显著高于Gemini 3 Flash（9%）和Claude 4.6 Sonnet（3%）。
➤ 智能体性能并不突出。在GDPval-AA（我们专注于实际工作任务的评估）上，Muse Spark得分为1427，落后于Claude Sonnet 4.6（1648）和GPT-5.4（1676），但领先于Gemini 3.1 Pro Preview（1320）。在TerminalBench Hard上，Muse Spark落后于Claude Sonnet 4.6、GPT-5.4和Gemini 3.1 Pro。Muse Spark与其他模型一起在τ²-Bench Telecom上取得了92%的高分。
关键模型细节：
➤ 模态：多模态，包括文本和视觉输入、文本输出。
➤ 许可证：专有，Meta首个不以开放权重发布的前沿模型。
➤ 可用性：发布时无公共API。Meta预计很快提供API访问。Meta已开始将其整合到其第一方AI产品Meta AI以及Facebook、Instagram和Threads中。
Muse Spark是Meta在Artificial Analysis上评估的新模型。Meta给予我们早期访问权限以独立基准测试该模型。这是自Llama 4 Maverick于2025年4月发布以来，Meta首个前沿级模型，值得注意的是，这也是首个不以开放权重形式发布的@AIatMeta模型。此次发布紧随Meta重组其AI努力为Meta超级智能实验室之后，标志着Meta在相对沉寂约一年后重新进入前沿竞赛。
作为背景，Llama 4 Maverick和Scout在发布时作为非推理模型，在Artificial Analysis Intelligence Index上分别得分18和13，而Muse Spark得分为52。Muse Spark实际上在一次发布中缩小了与前沿的差距。
该模型并非开源，目前也无法通过API访问，但Meta表示预计很快会提供。Meta还将Muse Spark整合到其第一方产品中，包括Meta AI聊天产品、Facebook、Instagram和Threads。
从我们的基准测试中得出的关键结论：
➤ Muse Spark在Artificial Analysis Intelligence Index上得分52，位列我们评测的前五名模型之中。它领先于Claude Sonnet 4.6、GLM-5.1、MiniMax-M2.7、Grok 4.20，落后于Gemini 3.1 Pro Preview、GPT-5.4和Claude Opus 4.6。
➤ Muse Spark在其智能水平上特别节省token。它运行Intelligence Index使用了5800万输出token，与Gemini 3.1 Pro Preview（5700万）相当，并显著低于Claude Opus 4.6（自适应推理，最大努力，1.57亿）、GPT-5.4（xhigh，1.2亿）和GLM-5（1.1亿）。
➤ Muse Spark是我们评测过的第二大视觉能力模型。它在MMMU-Pro上得分80.5%，仅次于Gemini 3.1 Pro Preview（82.4%）。
➤ Muse Spark在推理和指令遵循评估中表现强劲。它在HLE上得分39.9%，仅落后于Gemini 3.1 Pro Preview（44.7%）和GPT-5.4（xhigh，41.6%）。该模型在CritPT上以11%的得分位列第五，该评估专注于困难的物理研究问题。这显著高于Gemini 3 Flash（9%）和Claude 4.6 Sonnet（3%）。
➤ 智能体性能并不突出。在GDPval-AA（我们专注于实际工作任务的评估）上，Muse Spark得分为1427，落后于Claude Sonnet 4.6（1648）和GPT-5.4（1676），但领先于Gemini 3.1 Pro Preview（1320）。在TerminalBench Hard上，Muse Spark落后于Claude Sonnet 4.6、GPT-5.4和Gemini 3.1 Pro。Muse Spark与其他模型一起在τ²-Bench Telecom上取得了92%的高分。
关键模型细节：
➤ 模态：多模态，包括文本和视觉输入、文本输出。
➤ 许可证：专有，Meta首个不以开放权重发布的前沿模型。
➤ 可用性：发布时无公共API。Meta预计很快提供API访问。Meta已开始将其整合到其第一方AI产品Meta AI以及Facebook、Instagram和Threads中。