Muse Spark 1.3: Meta ускоряется в эффективности и агентах, но бенчмарки остаются внутренними
Meta представила Muse Spark 1.3 2 сентября — анонс встроен в плотную последовательность: третий релиз проприетарного семейства меньше чем за два месяца. По словам компании, модель доступна «с сегодняшнего дня» в Muse Code и в Meta Model API, режимы рассуждения уже включены, а режим «max reasoning» появится «вскоре после завершения дополнительных тестов безопасности». Генеральный директор Марк Цукерберг говорил о «передовой производительности при низкой стоимости» (Investing.com) и, в цитате OfficeChai, о «самом большом единичном скачке, который команда сделала в работе с кодом и агентами».
В опубликованной Meta таблице — цифры в ней заключены в изображение и были считаны и приведены изданиями OfficeChai и Investing.com — версия 1.3 сокращает вызовы инструментов примерно на 20%, а расход токенов примерно на 25% по сравнению с Muse Spark 1.2. В самозаявленных бенчмарках, где модель сопоставляется с версиями «max» конкурентов, в программировании 1.3 обходит Opus 5 на DeepSWE v1.1 (75,4 против 74,0) и выигрывает у него на SWEAtlas CodeBase QnA (59,4 против 52,7), тогда как на Terminal-Bench 2.1 идёт вровень с GPT 5.6 Sol (88,8). В длинном контексте данные показывают 98,5 и 98,1 на MRCR 256K–512K и 512K–1M против 91,5 и 73,8 у GPT 5.6 Sol Max. Однако результаты на агентных задачах остаются неоднозначными: GDPVal-AA v2 — 1754 против 1824 у Opus 5 Max, AutomationBench — 49,4 против 50,3 у Opus 5 Max, DeepSearchQA — 89,4 против 93,0 у GPT 5.6 Sol Max.
Официальный анонс не проясняет методологию: бенчмарки опубликованы в виде изображения, а не извлекаемого текста, и нет сведений об их воспроизведении независимыми оценщиками. Отсутствуют любые детали конфигурации тестов (число попыток, скаффолдинг, версии конкурирующих моделей), а проценты экономии явно не привязаны к тем же задачам, что и бенчмарки. Дорожная карта упоминает более крупные модели и будущий релиз с открытыми весами — без дат, лицензий и технических характеристик.
По данным Investing.com, после анонса акции Meta закрылись ростом на 2,47%, но утверждения о «низкой стоимости» остаются маркетинговыми: прайс-лист не опубликован. Контекстное окно в 1 миллион токенов, которое «Википедия» приписывает линейке Muse Spark, в анонсе версии 1.3 не подтверждается.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Официальный анонс открыт через WebFetch на research.meta.ai, напрямую проверены: дата, доступность в Muse Code и Meta Model API, состояние режимов рассуждения, два процента экономии (~20% вызовов инструментов, ~25% токенов), утверждения об устойчивости к состязательным атакам и о необратимых действиях, упоминание будущего релиза с открытыми весами и структура таблицы бенчмарков. Поскольку баллы находятся внутри изображения, они взяты из двух независимых друг от друга источников — OfficeChai (полные таблицы) и Investing.com (финансовое агентство), — которые приводят одинаковые значения по DeepSWE v1.1, Terminal-Bench 2.1, MRCR и GDPVal-AA v2. История версий и лицензии сверены со статьёй «Википедии» «Muse Spark». Источники, передававшие только слухи, отброшены.
- Incertezze
- Бенчмарки заявлены самой Meta, и ни один независимый оценщик их не воспроизвёл; они находятся внутри изображения, поэтому приведённые здесь числа проходят через прочтение сторонних изданий — согласованное между ними, но непроверяемое по тексту страницы Meta. Прайс-листа нет: «низкая стоимость» — коммерческое утверждение, а не подтверждённый тариф. По открытым весам Meta не называет ни даты, ни лицензии, ни размеров моделей. Не указана конфигурация тестов (число попыток, скаффолдинг, версии конкурентов), как и то, измерялись ли проценты экономии на том же наборе задач, что и бенчмарки. Окно в 1 миллион токенов взято из «Википедии», а не из анонса 1.3. Реакция биржи и цитаты Цукерберга лежат вне официального анонса и происходят из вторичных источников.
- Perché pubblicarla
- Это релиз переднего края, задокументированный официальным анонсом, с конкретными цифрами и редко разбираемым углом зрения: заявленное преимущество не в баллах, а в стоимости работы агентов — меньше вызовов, меньше токенов, — то есть в метрике, которая действительно важна тем, кто выводит их в продакшн. Картина честна именно потому, что это не триумф: Meta впереди на длинном контексте и на части задач с кодом, но отстаёт от Opus 5 и GPT 5.6 Sol на нескольких агентных бенчмарках. А обещанные открытые веса без даты и лицензии стоит показать читателю ровно тем, чем они являются.