Модель · Meta
Muse Spark 1.1
Устаревшая рассуждающая модель Meta для агентов и программирования, её сменили версии 1.2 и 1.3
вышла 8 апреля
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
29 место из 266
индекс 155, вероятный разброс 153–158 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ | 90,7% | высокое |
| LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ | 58,7% | высокое |
| Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗ | 52,5% | высокое |
| DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗ | 53,3% | |
| ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ | 39,0% | |
| APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗ | 41,9% | |
| SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ | 57,8% |
Характеристики
- Вышла
- 8 апреля
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 1 млн токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 131 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $1,25 за миллион токенов
- Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
- $0,15 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $4,25 за миллион токенов
- Понимает
- текст, изображения, PDF, видео
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- закрытые
- Идентификатор в API
- muse-spark-1.1
Что это за модель
Muse Spark 1.1 — мультимодальная модель Meta Superintelligence Labs, подразделения Meta, которым руководит Александр Ван. Мультимодальная — значит, кроме текста она понимает картинки и видео. Она рассуждает перед ответом и сделана под агентные задачи, то есть под многошаговую работу с инструментами. Линейка Muse появилась в апреле 2026 года. Meta описывала её первую модель как небольшую и быструю: компания хочет наращивать масштаб постепенно и проверять каждое поколение, прежде чем строить следующее, более крупное.
От исходной Muse Spark версия 1.1 отличается прежде всего работой с инструментами и кодом. Meta заявляет, что модель лучше решает, когда автоматизировать действие, а когда работать прямо в интерфейсе программы. Ещё она умеет выдавать сразу пачку действий. По словам компании, она заметно выросла в работе с большими корпоративными кодовыми базами, в сложной отладке и в добавлении новых функций. Кроме того, она лучше управляет длинным контекстом: помнит, что уже сделала, и находит нужное в ранней части работы.
Главная особенность — работа с несколькими агентами. Модель может быть главной: собрать контекст, составить план и раздать исполнение параллельным субагентам, то есть вспомогательным агентам. А может сама быть субагентом, который держится своей задачи и понимает, когда вернуть вопрос наверх. Meta предлагает её для программирования, автоматизации процессов в нескольких приложениях, разбора видео и корпоративных процедур. В приложении Meta AI и на meta.ai она работает в режиме рассуждений (Thinking).
Разработчикам модель доступна через Meta Model API. На момент анонса он работал как предварительная версия и был совместим с API OpenAI. Веса модели не открыты. По оценке самой Meta, по рискам передовых моделей она остаётся «в безопасных пределах». Позже Meta выпустила Muse Spark 1.2 и 1.3, так что для новых проектов разумнее смотреть на них.
Источники: Анонс Muse Spark 1.1 в блоге Meta AI, Анонс линейки Muse Spark от Meta
Того же уровня по индексу Epoch
-
Gemini 3.5 Flash
Google28-е место в Epochконтекст 1 млн$1,50 / $9рассуждениядороже в 2,1 раза
-
-
Другие модели семейства
-
Muse Spark 1.3
Metaконтекст 1 млн$1,25 / $4,25рассуждения
-
Muse Spark 1.3 Contributor
-
Muse Spark 1.2
-
Muse Spark 1.2 Contributor
Новости о модели
- 01
- 02
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).