Meta 发布 Muse Spark 1.1，在 Artificial Analysis 智能指数中得分 51，较三个月前的 1.0 版本（43 分）提升 8 分。该模型在科学推理、编程和知识领域表现突出，与 GLM-5.2、GPT-5.4 和 GPT-5.6 Luna 并列 51 分，落后 Grok 4.5（54 分）3 分。Muse Spark 1.1 在 Humanity's Last Exam 上达到 45%，接近 Claude Opus 4.8（46%）。其 token 效率领先：运行智能指数仅需 9400 万输出 token，低于 GPT-5.4（1.09 亿）和 GLM-5.2（1.41 亿）。定价为每百万输入/输出 token 1.25/4.25 美元，缓存命中低至 0.15 美元。上下文窗口从 262k 扩展至 100 万 token，输出速度约 114 token/s。AA-Omniscience 得分提升主要源于幻觉率从 73% 降至 38%，而非准确率提升。
Meta 的 Muse Spark 1.1 在 Artificial Analysis 智能指数中取得 51 分，与同类模型相比，在成本和模型 token 效率上表现更优。
Muse Spark 1.1（xhigh）在三个月内比 Muse Spark 1.0（43 分）提升了 8 分。它与 GLM-5.2（max）、GPT-5.4（xhigh）和 GPT-5.6 Luna（max）在 51 分上基本持平，落后于 Grok 4.5（high，54 分）3 分，而领先梯队为 Claude Fable 5（60 分）、GPT-5.6 Sol（max，59 分）和 Claude Opus 4.8（max，56 分）。
其提升主要集中在科学推理、编程和知识领域；智能体知识工作方面在 GDPval-AA v2 上表现滞后。
@AIatMeta 在公开发布前与我们分享了访问权限以进行基准测试。祝贺 @AIatMeta、@finkd 和 @alexandr_wang 发布此版本！
关键要点：
➤ Muse Spark 1.1 相比首个 Muse Spark 版本有显著提升。这尤其得益于智能体知识工作（GDPval-AA v2）和编程（SciCode、TerminalBench）方面的进步。在 Humanity's Last Exam 上，它达到 45%，与 Claude Opus 4.8（max，46%）相差不到 1 分，并领先于 GPT-5.5（44%）和 Grok 4.5（high，40%）
➤ 在 51 分这一档位中，它是模型 token 效率最高的模型之一，也是运行成本较低的模型之一。Muse Spark 1.1 运行智能指数测试使用了 9400 万输出模型 token，少于 GPT-5.4（xhigh，1.09 亿）、GPT-5.6 Luna（max，1.25 亿）和 GLM-5.2（max，1.41 亿）。我们估算，按 Meta 的 $1.25/$4.25 定价，每次智能指数任务成本约为 $0.26——低于 GLM-5.2（$0.37），大约是 GPT-5.4（$0.89）的三分之一
➤ AA-Omniscience 分数的提升是由弃答而非准确率驱动的。该分数从 4 分增长到 18 分，增长超过四倍，同时模型幻觉率下降了 35 个百分点（从 73% 降至 38%），答题率从 95% 降至 82%，准确率基本持平（从 45% 降至 41%）
其他模型细节：
➤ 上下文窗口：100 万模型 token，高于 Muse Spark 1.0 的 26.2 万
➤ 定价：每 100 万输入/输出模型 token 分别为 $1.25/$4.25；缓存命中折扣至每 100 万 $0.15
➤ 输出速度：在 Meta 第一方 API 上中位数约为每秒 114 个模型 token，首个回答模型 token 的生成时间约为 21 秒
➤ 可用性：发布时通过 Meta 第一方 API 提供
来源：Artificial Analysis · x.com