AREX Feed Article
Artificial Analysis 独立评测 Muse Spark Open：39 分领跑美国开放权重，四项 agentic 评测在头部开源模型中垫底
北京时间 10 月 16 日 8 时 41 分，独立评测机构 在 X 上发布对 Meta 开放权重模型 Muse Spark Open 的评测：AA Intelligence Index 得分 39，是其榜单上美国开放权重模型的最高分；但同一份评测也指出，在指数包含的四个 agentic（智能体任务）评测上，这个模型在分数最高的九个开放权重模型中排名垫底。Artificial Analysis 说明，Meta 在公开发布前向其提供了模型访问权限，用于基准测试。
Muse Spark Open 的权重于 10 月 15 日由 Meta 发布：816B 总参数、每个 token 激活 42B，1M token 上下文窗口，原生支持文本、图像、视频与音频输入，面向编码与 agentic 工作，。Meta 的自报 AA Intelligence Index 为 39 分，低于表中 GLM 5.3 的 45 与 Kimi K3 的 44； 在 15 日发稿时明确写道，发稿时无法核实针对已发布权重文件的独立 Artificial Analysis 评估。
VentureBeat 无法核实的评估，由 Artificial Analysis 自己发布
五个半小时后，这个空缺有了答案。VentureBeat 于 15 日 19:05（UTC）发稿时，能引到的 39 分只有 Meta 自己的表格；16 日 00:41（UTC），Artificial Analysis 发帖给出了自己的数字：同为 39 分（xhigh 推理档，模型的最高推理力度档），Meta 自报的分数与独立实测一致。
Artificial Analysis 同时给出了 39 分的坐标：这一分数高于 NVIDIA 同日发布的 Nemotron 3.5 Super VL（26 分），AA 称后者是榜单上第二高分的美国开放权重模型；比 Meta 8 月开放的 30B 稠密模型 Muse Glimmer（17 分）高出 22 分；与 Meta 8 月旗舰 Muse Spark 1.2（xhigh 档 40 分）相差不到 1 分。逐项对照 Spark 1.2，Spark Open 在 AutomationBench-AA 上更强、幻觉率更低，但在 GDPval-AA v2.1、CritPt 与 AA-Omniscience 准确率上更弱。而在 Meta 自己的产品线内部，39 分仍落后 Muse Wonder（52 分）13 分、落后 Muse Wonder Full（56 分）17 分。VentureBeat 指出，AA 对 Spark 与 Wonder 的评测针对的是各自托管版本，与本次开放权重发布不属同一对象。
Artificial Analysis 官网的 已同步上线，除 39 分外还列出每秒 102.0 输出 token 的实测速度和每任务 $0.84 的成本，与推文口径一致。
GLM-5.3 领先的 6 分，全部来自 agentic 评测
Meta 把这个模型定位为面向长程任务、复杂软件工程与多步推理的 agentic 工作模型，Artificial Analysis 的评测切中的正是这一项：在分数最高的九个开放权重模型中，Muse Spark Open 在指数的四个 agentic 评测上排名垫底，其余六项合计排第四；它在 AA-Omniscience（25 分）上是全部开放权重模型中的最高分。AA 还算了一笔账：按体型与它最接近的中国模型 GLM-5.3（max 档 45 分），对其 6 分的领先全部来自 agentic 评测。
这个格局与 Meta 模型卡自报的分项数据对得上。模型卡表格里，Muse Spark Open 以 89.2 领先 MCP-Atlas 工具使用测试、以 61.8 领先 JobBench，高于表中的 GLM 5.3 与 Kimi K3；但在 Terminal-Bench 2.1 上只有 76.4，低于 GLM 5.3 的 83.9 与 Kimi K3 的 85.0，DeepSWE 1.1 上 60 对 Kimi K3 的 68，GDPVal-AA v2 上 1,401 对 GLM 5.3 的 1,653，同样落后。
AA 给出成本账：每任务输出 40k token，花费 $0.84
这份评测还带来了模型卡里没有的运营数据。Artificial Analysis 测得 Muse Spark Open 每个 Intelligence Index 任务输出约 40k token，是分数最高的九个开放权重模型中最少的：比 Muse Spark 1.2（48k）少 16%，比 GLM-5.3（71k）少 43%。按 Together AI、Fireworks AI 与 Baseten 的上线定价（每百万输入 token 1.25 美元、输出 4.25 美元、缓存输入 0.15 美元），单个任务花费 $0.84，低于 Muse Spark 1.2 同价下的 $0.97，不到 GLM-5.3（$2.01）的一半，约为 DeepSeek V4.1 Flash（$0.27）的三倍。
自托管方面，AA 给出的权重体积为 NVFP4 约 530GB、BF16 约 1.6TB，NVFP4 版本只对 256 个专家做量化。AA 转述 Meta 的说法：NVFP4 版可在 4 张 Blackwell Ultra 或 8 张 H200 GPU 上运行，或在两台 512GB 统一内存的 M5 Ultra Mac Studio 上以 MLX 运行；模型卡则要求运行 NVFP4 版本至少 700GB 显存、BF16 版本 2TB。桌面方案还差一步落地：的 M5 Ultra Mac Studio 最高配到 512GB 统一内存，但据 VentureBeat，这一内存配置要 10 月下旬才发货、价格尚未公布；VentureBeat 给出的参考是，四台 256GB 版（每台 $10,799）可凑出同样的 1TB 内存，合计约 $43,196。
「最强」限定在美国：六个开源模型排在它前面
在 AA 的指数口径下，Meta 宣称中「美国第一」的部分拿到了独立背书，评测同时量出了边界。据 VentureBeat 引述 Artificial Analysis 的已公布榜单，六个开源模型的分数高于 39：小米 MiMo-V2.6-Pro 46 分、GLM-5.3 45 分、Kimi K3 44 分、GLM-5.3-Flash 42 分、Qwen3.8 2.4T A95B 与 Qwen3.8-Flash-Next 各 40 分。「迄今最强」的说法成立与否，取决于「美国」这个限定词，而模型主打的长程 agentic 编码，恰是它与榜首差距最集中的地方。
从沿革看， 报道，Muse Spark 自 2026 年 4 月首次亮相以来一直是专有模型，Meta 上一次开放权重是 8 月的 30B Muse Glimmer，本次开放版以 Muse Spark 1.2（8 月）为起点、另加安全后训练。VentureBeat 援引 Interconnects 作者 Nathan Lambert 在 X 上的发帖：「我等了太久，美国开放权重模型才重新有了竞争力。要做的工作还有很多！」
Muse Spark Open 的权重现已可在 Hugging Face 下载，分 BF16 与 NVFP4 两种版本，API 则经 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 与 Together AI 提供。AA 评测发布不到两分钟后，Alexandr Wang 在 X 上：「lmao muse spark open balling out」，帖文未说明其所指的具体事件。SiliconANGLE 并援引 Meta 的说法：Muse Spark Open 已通过其 Superintelligence Scaling Framework 的发布门槛，完整的评估报告尚未发布。