AREX Feed Article
Meta Muse Open 首次登上 Vals Index：开放权重第 12、总榜第 38，每测试 0.77 美元
10 月 16 日 19:31（UTC），独立的大语言模型（LLM）评测机构 Vals AI 在 ：Meta Muse Open 首次进入 Vals Index，在开放权重模型中排第 12，总榜第 38，成本为每测试 0.77 美元（$0.77/test），帖子附有排行榜截图。
Muse Open 即 Meta 10 月 15 日发布的 Muse Spark Open。发布时，；而这份按 GDP 加权的综合榜单给出的读数是：排在这个新模型前面的开放权重模型还有 11 个。
同一分钟连发四帖：运行配置与完整结果页
Vals AI 的 X 账号是企业认证账号，将其定位为「独立评测、无偏向的基准」（Independent Evaluation, Unbiased Benchmarks），称所有评测均由自己运行、多数基准为自制。10 月 16 日 19:31:24 至 19:31:25（UTC），该账号在同一分钟内连发四帖，公布 Muse Open 的首测结果。
补充了运行配置：这次评测在 Together AI 上运行，采用默认设置——temperature 1.0、默认 top-k、xhigh reasoning effort；模型上下文 1M token、最大输出 131k。末帖同时给出完整结果页链接，指向 vals.ai 的 ——帖中的「Muse Open」与模型页就此对上：发布日期 10 月 15 日，开发者 Meta，权重一栏标注 Open。
截至发稿，模型页显示 Muse Spark Open 的准确率为 46.61%（±1.20），延迟 67 分 40 秒；默认推理服务商为 Together AI，超参数设置（temperature 1、top P 1、top K 默认、最大输出 131,072、reasoning effort xhigh）与线程描述一致。
强在金融代理，弱在代码迁移
拆开了分项成绩。在权重最大的金融板块基准 Finance Agent v2 上，Muse Open 以 61.4% 排在开源模型第一，与 Gemini 3.8 Flash 基本打平。这是开源阵营第一，不是全场第一：该基准的榜首是 Gemini 4 Argon（65.40%）。
编程三项里，Muse Open 在 Vibe Code Bench 上排开放权重第 9，在 Code Migration 上比 Meta 自家的 Muse Spark 1.3 低 6.4 分。四个板块合成总榜后，它落后 Muse Spark 1.3 6.6 个百分点，落后 Muse Spark 1.2 2.7 个百分点——Meta 自家两个已上榜的模型，分数都比这个新的开放权重模型高。
按 GDP 加权的八个基准
不是常规的跑分平均。按其方法页，指数把金融、编程、法律、税务四个板块按各自占美国 GDP 的份额加权：金融约 8.0%（Finance Agent v2 与 Excel 建模基准 EMB），编程约 5.6%（Terminal-Bench 4.0、Vibe Code Bench、Code Migration），法律约 1.2%（Legal Research Bench 与 Harvey 的 HLAB），税务约 0.5%（Tax Agent Bench），加权合计再除以 15.3。八个基准中，六个为私有基准、两个公开。
这套口径下，目前排在前面的是 Gemini 4 Argon（68.90%）、Claude Sonnet 5.5（67.04%）与 Claude Opus 5.5（66.97%）。分项冠军各有其主：Finance Agent v2 归 Gemini 4 Argon，Vibe Code Bench 和 Code Migration 归 Claude Sonnet 5.5，HLAB 归 Muse Spark 1.2。
Muse Open 的这次排位与这套任务组合直接相关：金融占指数权重的一半以上，是它排在开源第一的板块；编程占三成半，其中就有它偏弱的 Code Migration。Vals 自己也在方法页承认，GDP 加权是「对 AI 可能如何影响经济的一次极度简化（a vast oversimplification）」，但可作为衡量模型能力经济意义的代理。
发布一天后的外部对照：「最强美国开放权重模型」出自自家口径
显示，Muse Spark Open 由 Meta Superintelligence Labs 以 Muse Model License 发布：816B 总参数、42B 激活的 MoE（Mixture-of-Experts，混合专家）架构（每层 256 个专家、每个 token 激活 8 个），上下文 1M token，输入支持文本、图像、视频、音频，输出为文本；提供 BF16 与 NVFP4 两种权重格式，自托管分别需要至少 700GB 与 2TB 显存，支持 SGLang、vLLM、TensorRT-LLM、Unsloth、llama.cpp 等框架，并针对在两台 M5 Ultra Mac Studio 上经 MLX 运行做了优化。开放权重版本还做了额外的安全后训练，使其在没有系统护栏的情况下单独运行时更难被滥用。
「最强美国开放权重模型」这个头衔出自 Meta 发布时自己的说法——TechMeme 当日头条的概括是：Meta 发布 Muse Spark Open，称其为「最强美国开放权重模型」（816B 总参数、42B 激活、1M token 上下文）。Meta 还与 Apple 合作，让模型可在 M5 Ultra Mac Studio 上本地运行、两至四台配对使用；据 ，2-bit 版在 512GB 统一内存的 M3 Ultra 上占用约 304GB 内存、生成速度约 18 token/秒，3-bit 版约 344GB、约 21 token/秒——即便重度压缩，内存需求也在 256GB 以上。发布次日出现的这份 Vals 排名，为这个头衔提供了一个可核验的外部对照。
成本账：输出 token 最少，任务成本却更高
统计：Muse Open 在整个 Vals Index 上共产出 55.5M 个输出 token（约 5,550 万），是全部开放权重模型中最少的，在该轮覆盖的 49 个模型里排倒数第五；Muse Spark 1.3 产出 77M，而分数与 Muse Open 相近的开放权重模型，输出在 118M～212M 之间。按同一帖的数据，Muse Open 每个 Index 任务平均花费 4.08 美元，高于 Muse Spark 1.3 的 3.38 美元——尽管输出最少，其成本大头仍在输入 token。
成本数字上有一处需要对上的口径：首帖与 Vals AI 的 都把成本写作每测试 0.77 美元，而模型页「Cost / Test (Vals Index)」一栏标注 4.077 美元，第三帖的写法是「每个 Index 任务 4.08 美元」。4.077 与 4.08 彼此吻合，与首帖的 0.77 美元明显不同；Vals 未说明这些口径如何对应，引用时不宜混用。
Vals 的读数出自单一评测方的一轮评测、一套按 GDP 加权的任务组合；发布日的「最强美国开放权重模型」头衔，则出自 Meta 自家基准对「体量与架构相近的其他领先开放权重模型」的对比。两套口径无法互相换算，「最强」与否，这份榜单回答不了。