Muse Spark: Meta возвращается в мировую гонку передовых нейросетей
Архитектурные особенности семейства Muse и результаты первых независимых замеров производительности.
Мета вернулась! Muse Spark набирает 52 балла по индексу искусственного интеллекта, уступая только Gemini 3.1 Pro, GPT-5.4 и Claude Opus 4.6. Muse Spark — это первый новый релиз после Llama 4, вышедший в апреле 2025 года, а также первый релиз Meta, в котором не используются открытые веса.
Muse Spark — новая модель от Meta, оцененная с помощью искусственного анализа. Meta предоставила нам ранний доступ для независимого тестирования модели. Это первая модель Meta передового класса с момента выпуска Llama 4 Maverick в апреле 2025 года, и, в частности, первая модель Meta, которая не выпускается в виде открытых весов. Этот релиз последовал за реорганизацией усилий Meta в области искусственного интеллекта в рамках Meta Superintelligence Labs и сигнализирует о том, что Meta снова вступает в пограничную гонку после примерно года относительного затишья.
Для контекста: на момент выпуска Llama 4 Maverick и Scout набрали 18 и 13 баллов соответственно в индексе искусственного анализа интеллекта как нерассуждающие модели, а Muse Spark набрала 52 балла. Muse Spark, по сути, сокращает разрыв между ними в одном выпуске.
Модель не имеет открытого исходного кода и пока недоступна через API, но Meta сообщила, что ожидает, что это произойдет в ближайшее время. Meta также интегрирует Muse Spark в свои собственные продукты, включая чат-продукт Meta AI, Facebook, Instagram и Threads.
Основные выводы из наших тестов
➤ Muse Spark набрала 52 балла в индексе искусственного интеллекта, что позволило ей войти в пятерку лучших моделей, протестированных нами. Он опережает Claude Sonnet 4.6, GLM-5.1, MiniMax-M2.7, Grok 4.20 и позади Gemini 3.1 Pro Preview, GPT-5.4 и Claude Opus 4.6.
➤ Muse Spark особенно эффективен для своего уровня интеллекта. Для запуска индекса интеллекта использовалось 58 миллионов токенов вывода, что сопоставимо с Gemini 3.1 Pro Preview (57 миллионов) и значительно ниже, чем у Claude Opus 4.6 (адаптивное мышление, максимальное усилие, 157 миллионов), GPT-5.4 (xhigh, 120 миллионов) и GLM-5 (110 миллионов).
➤ Muse Spark — вторая по возможностям модель машинного зрения, которую мы протестировали. Он набирает 80,5% на MMMU-Pro, уступая только Gemini 3.1 Pro Preview (82,4%).
➤ Muse Spark хорошо справляется с рассуждениями и оценками на основе инструкций. Он набирает 39,9% по HLE, уступая только Gemini 3.1 Pro Preview (44,7%) и GPT-5.4 (xhigh, 41,6%). Модель также заняла 5-е место в CritPT с оценкой 11%, оценкой, ориентированной на сложные вопросы физических исследований. Это существенно выше, чем у Gemini 3 Flash (9%) и Claude 4.6 Sonnet (3%).
➤ Агентская производительность не выделяется. На GDPval-AA наша оценка была сосредоточена на реальных рабочих задачах: Muse Spark набрал 1427 баллов, уступая Claude Sonnet 4.6 с 1648 и GPT-5.4 с 1676, но опережая Gemini 3.1 Pro Preview с 1320. На TerminalBench Hard Muse Spark уступает Claude Sonnet 4.6, GPT-5.4 и Gemini 3.1. Про. Muse Spark присоединяется к другим, получив высокий показатель τ²-Bench Telecom — 92 %.
Ключевые детали модели
➤ Модальности: мультимодальные, включая ввод текста и изображений, вывод текста.
➤ Лицензия: собственная, первая передовая модель Meta, не выпущенная в виде открытого веса.
➤ Доступность: на момент публикации общедоступный API отсутствует. Meta планирует вскоре предоставить доступ к API. Meta начала интеграцию со своим собственным ИИ, предлагающим Meta AI, а также внутри Facebook, Instagram и Threads.
Muse Spark особенно эффективен для своего уровня интеллекта. Для запуска индекса интеллекта использовалось 58 миллионов токенов вывода, что сопоставимо с Gemini 3.1 Pro Preview (57 миллионов) и значительно ниже, чем у Claude Opus 4.6 (адаптивное мышление, максимальное усилие, 157 миллионов), GPT-5.4 (xhigh, 120 миллионов) и GLM-5 (110 миллионов).
Полная разбивка результатов оценки: Muse Spark хорошо справляется с рассуждениями и оценками на основе инструкций. Он набирает 39,9% по HLE, уступая только Gemini 3.1 Pro Preview (44,7%) и GPT-5.4 (xhigh, 41,6%). Модель также заняла 5-е место в CritPT с оценкой 11%, оценкой, ориентированной на сложные вопросы физических исследований. Это существенно превышает показатели Gemini 3 Flash (9%) и Claude 4.6 Sonnet (3%).
