Meta Newsroom 的文章标注为“Originally published on April 8, 2026 at 9:00AM PT”,开头为“Today we are announcing Muse Spark”;Artificial Analysis[2][5] 和 OfficeChai[6] 在同一天发布了各自的分析。
Muse Spark 发布
由原文自动翻译
原标题: Muse Spark Released
Meta 发布 Muse Spark,这是 Meta Superintelligence Labs 的首个模型,也是 Meta 首个不开放权重的前沿模型;它为 Meta AI 应用提供支持,发布时在 Artificial Analysis Intelligence Index 上得分 52,仅次于 Gemini 3.1 Pro、GPT-5.4 和 Claude Opus 4.6。
- Meta 于 2026年4月8日宣布 Muse Spark,称其为“Meta Superintelligence Labs 打造的全新大语言模型系列的第一款”,是 MSL 历时九个月“从零重建 AI 技术栈”的成果,据 The Batch 报道,也是 Meta 大约一年来的首个新模型[1][3]
- Meta 称它“在设计上小巧而快速”,但“足以推理科学、数学和健康方面的复杂问题”,下一代模型已在研发中;它从第一天起就为 Meta AI 应用和 meta.ai 提供支持,WhatsApp、Instagram、Facebook、Messenger 和 AI 眼镜将随后接入[1]
- 它打破了 Llama 的开放权重政策:Artificial Analysis 称其为“Meta 首个未以开放权重发布的前沿模型”,在应用内免费提供,并通过私有 API 预览向部分合作伙伴开放,Meta 仅表示希望未来版本能够开源[1][3][5]
- 独立测试显示它在发布时接近榜首:在 Artificial Analysis Intelligence Index 上得分 52,仅次于 Gemini 3.1 Pro Preview 和 GPT-5.4(均为 57)以及 Claude Opus 4.6(53),而 Llama 4 Maverick 和 Scout 分别为 18 和 13,运行该指数仅用了 58M 输出 token[3][5]
- 它的表现参差不齐:Humanity's Last Exam 39.9% 和 MMMU-Pro 80.5% 表现强劲,而智能体任务并不突出(GDPval-AA 为 1,427,GPT-5.4 为 1,676),Meta 自己也承认在编程和智能体任务方面存在差距[3][5]
- Meta 自己公布的数据为厂商自报:CharXiv Reasoning 86.4,HealthBench Hard 42.8(GPT 5.4 为 40.1),DeepSearchQA 74.8,多智能体 Contemplating 模式下 Humanity's Last Exam 50.2;而 Terminal-Bench 2.0 为 59.0,ARC AGI 2 为 42.5,均落后于 GPT 5.4 和 Gemini 3.1 Pro[6]
- Artificial Analysis 后来在修订后的指数上将该模型重新评为 43 分,Muse Spark 1.1 在 7 月达到 51 分时就是以此为基准,因此发布当天的 52 分只能与 4 月的其他得分比较[2]
主要特性
- 原生多模态:支持文本、图像和语音输入(上下文最长约 262,000 token)与文本输出,具备工具调用和多智能体编排能力,还有一个 Contemplating 模式,可并行运行多个智能体并合并它们的答案[3][6]
- Meta AI 新增了 Instant 和 Thinking 模式、可并行工作的子智能体、通过提示词可视化编写小游戏和仪表盘的功能,以及借助创作者内容的购物模式[1]
- 健康是明确的重点:Meta 与 1,000 多名医生合作处理训练数据,使其能够回答常见的健康问题,包括带有图像和图表的问题[1][4]
- 5月12日,Meta 新增了更快的语音对话、应用内实时 AI、可感知 Marketplace 的购物搜索,并开始在 Ray-Ban Meta 和 Oakley Meta 眼镜、WhatsApp、Instagram、Facebook、Messenger 和 Threads 上逐步推出[1]
- 发布时没有公共 API,也没有按 token 计价的价格;Meta 的 Meta Model API 公开预览随 7 月的 Muse Spark 1.1 一同推出[5]
Meta 在发布时公布的结果[6]
| 基准 | Muse Spark | 对比 |
|---|---|---|
| CharXiv Reasoning (Thinking) | 86.4 | Gemini 3.1 Pro 80.2; GPT 5.4 82.8 |
| HealthBench Hard | 42.8 | GPT 5.4 40.1; Gemini 3.1 Pro 20.6 |
| DeepSearchQA | 74.8 | Gemini 3.1 Pro 69.7; Grok 4.2 62.8 |
| Humanity's Last Exam,不使用工具(Contemplating) | 50.2 | Gemini 3.1 Deep Think 48.4; GPT 5.4 Pro 43.9 |
| ARC AGI 2 (Thinking) | 42.5 | Gemini 3.1 Pro 76.5; GPT 5.4 76.1 |
| Terminal-Bench 2.0 | 59.0 | GPT 5.4 75.1; Gemini 3.1 Pro 68.5 |
| GDPval-AA Elo | 1,444 | GPT 5.4 1,672; Opus 4.6 1,606 |