Muse Spark 1.3: Meta выходит на передовой рубеж ИИ-интеллекта

Meta выпустила Muse Spark 1.3, свою четвертую модель Muse Spark за пять месяцев. Muse Spark 1.3 (макс.), который находится в ограниченной предварительной версии для партнеров Meta, набирает 62 балла по индексу искусственного интеллекта анализа, уступая только Claude Fable 5.1 и Claude Opus 5. Доступный сейчас вариант Muse Spark 1.3 (xhigh) набирает 61 балл и равен GPT-5.6 Sol (макс.) и Grok 4.6 (высок.). Выгоды обоих вариантов обусловлены прежде всего улучшением агентурной работы и научных возможностей.

Muse Spark 1.3 (xhigh) входит в индекс искусственного интеллекта с номером 61, что на 4 пункта выше, чем у Muse Spark 1.2 (57, август) и на 8 пунктов по сравнению с Muse Spark 1.1 (53, июль). Он входит вничью с GPT-5.6 Sol (макс.), Grok 4.6 (выс.) и Claude Opus 5 (высок.), а также позади Claude Fable 5.1 (макс., 66), Claude Opus 5 (макс., 63) и Claude Fable 5 (макс., 62).

Muse Spark 1.3 (макс.), который находится на стадии ограниченного предварительного просмотра, достигает 62. Этот более высокий показатель индекса обусловлен ростом по сравнению с Muse Spark 1.3 (xhigh) в Tau3-Bench Banking (52% против 47%) и GDPval-AA v2 (1754 Elo против 1709). Muse Spark 1.3 (макс.) уступает по общему баллу только вариантам Claude's Fable и Opus.

Ключевые выводы

➤ Постоянное совершенствование задач работы с агентскими знаниями. При запуске Muse Spark 1.2 мы отметили значительный прирост производительности агентской информационной работы по сравнению с Muse Spark 1.1. Последняя версия продолжает эту тенденцию: Muse Spark 1.3 (xhigh) демонстрирует заметный прирост на 12 пунктов по сравнению с Muse Spark 1.2 в Tau3-Bench Banking (35% до 47%), прирост на 5 пунктов в Terminal-Bench 2.1 (80% до 85%), а также новый GDPval-AA v2 Elo 1709 по сравнению с его предшественником 1615. Muse Spark 1.3 (макс.) улучшает показатели Tau3-Bench Banking (52%) и GDPval-AA v2 (1754 Elo). Этот рейтинг Tau3-Bench Banking занимает первое место среди всех моделей. Muse Spark 1.3 (макс.) достигает этих более высоких показателей агентской работы за счет использования большего количества ходов и общего количества жетонов рассуждения, рассуждая на 62 % больше в GDPval-AA v2 и на 28 % больше в Tau3-Bench Banking по сравнению с Muse Spark 1.3 (xhigh).

➤ Самая низкая стоимость задачи для любой модели — 59+ по индексу искусственного интеллекта. Muse Spark 1.3 (xhigh) стоит 0,55 доллара США за задачу индекса интеллекта при неизменной цене Meta в 1,25 доллара США/4,25 доллара США за 1 миллион токенов (0,15 доллара США за кэшированные входные данные), а его коллеги GPT-5.6 Sol (максимум) и Grok 4,6 (высокая цена) стоят 0,95 доллара США и 0,94 доллара США соответственно, что составляет премию 70%+. Это ставит Muse Spark 1.3 (xhigh) на границу Парето по соотношению интеллекта и стоимости задачи. Его стоимость за задачу выше, чем у Muse Spark 1.2 (0,40 доллара США за задачу), что обусловлено примерно на 57% большим количеством входных токенов на задачу при агентных оценках, а количество выходных токенов увеличилось всего на ~8%. Цены на Muse Spark 1.3 (макс.) пока не опубликованы.

➤ Результаты научных рассуждений выросли по всем направлениям, во главе с CritPt. CritPt показал выдающийся прирост неагентских баллов по сравнению с Muse Spark 1.2 с существенными +8 баллами для варианта xhigh (с 18% до 26%), а GPQA Diamond набрал +4 балла (с 90% до 94%), в то время как Humanity's Last Exam и SciCode получили более скромные 2-3 балла (с 45% до 47% и с 56% до 59% соответственно). Muse Spark 1.3 (макс.) набрала примерно такие же баллы, что и вариант xhigh: набрала 2 балла на последнем экзамене человечества, сравняла счет GPQA Diamond и потеряла очко в CritPt по сравнению с Muse Spark 1.3 (xhigh).

➤ Незначительные регрессии только в двух оценках. И Muse Spark 1.3 (xhigh), и Muse Spark 1.3 (max) снизились на 4 балла в AA-LCR (с 83% до 79%) по сравнению с Muse Spark 1.2, а AA-Omniscience (Accuracy) упал на 3 балла для xhigh и на 1 балл для max. Падение AA-Всеведения (Точность) связано с более высоким уровнем воздержания (не отвечать на вопросы, если вы не уверены), что также снизило уровень галлюцинаций в Muse Spark 1.3 (xhigh).

Другие детали модели (вариант xhigh)

➤ Контекстное окно: 1 миллион токенов, без изменений по сравнению с Muse Spark 1.2.

➤ Цены: не изменились по сравнению с Muse Spark 1.2: 1,25/4,25 доллара США за 1 миллион токенов ввода/вывода, при этом обращения к кэшу снижены до 0,15 доллара США за 1 миллион.

➤ Способы ввода: текст, изображение, видео.

➤ Доступность: собственный API Meta и код Muse.

Muse Spark 1.3 (xhigh) — наиболее экономичная модель на своем уровне интеллекта: 0,55 доллара США за задачу индекса интеллекта при неизменной цене Meta в 1,25 доллара США/4,25 доллара США за 1 миллион токенов. Ни одна модель с результатом 59 или выше не стоит меньше за задачу. Ближайшие — Gemini 3.8 Flash (максимум, 59, 0,58 доллара), GPT-5.6 Sol (xhigh, 59, 0,63 доллара) и GLM-5.3 (максимум, 60, 0,68 доллара), тогда как его прямые аналоги с номером 61 стоят гораздо дороже: Grok 4.6 (максимум, 0,94 доллара), GPT-5.6 Sol (максимум, 0,95 доллара) и Claude Opus 5. (максимум, 1,23 доллара). Muse Spark 1.3 (макс.) исключена из сравнения цен, поскольку Meta не объявила цены на ограниченную версию.

Прирост Muse Spark 1.3 (xhigh) и Muse Spark 1.3 (max) по сравнению с Muse Spark 1.2 по индексу искусственного анализа интеллекта сосредоточен в агентских оценках: GDPval-AA v2 +94 и +139 Elo (с 1615 до 1709 и 1754), Terminal-Bench 2.1 +5 и +6 баллов (от 80% до 85% и 86%) и Tau3-Bench Banking +12 и +17 пунктов (35% против 47% и 52%). Незначительная регрессия составляет 4 балла в AA-LCR (от 83% до 79%) для обеих моделей и снижение для каждой модели в AA-Всеведение (точность): 3 балла для xhigh (от 45% до 42%) и 1 балл для max (от 45% до 44%).

Muse Spark 1.3 (макс.) набирает 52% на Tau3-Bench Banking, новом продукте №1 в этой оценке. Muse Spark 1.3 (xhigh) набирает 47%, находится на одном уровне с Claude Fable 5.1 (максимум, 47%) и GLM-5.3-Flash (47%) и уступает своему брату, а также, например, Muse Spark 1.3 (xhigh). Qwen3,8 Max (51%), Grok 4,6 (высокий, 51%) и GLM-5,3 (макс, 50%). Значительный прирост в этой оценке по сравнению с Muse Spark 1.2 в прошлом месяце (35%) является крупнейшим фактором улучшения индекса искусственного интеллекта каждого варианта Muse Spark 1.3.

Полная разбивка отдельных оценок в Индексе искусственного анализа интеллекта

Дополнительную информацию и тесты Muse Spark 1.3 см. в разделе «Искусственный анализ»: и