产业 / 媒体
Meta 新版 Muse Spark 1.1 编码能力超越 GLM-5.2，单任务成本更低
Meta 发布 Muse Spark 1.1 模型，在 Artificial Analysis 的 Intelligence Index 上拿到 51 分，三个月内提升 8 分，与 GLM 5.2、GPT-5.4 和 GPT-5.6 Luna 并列。编码专项得分 71.3，超过 GLM 5.2 的 68.8，仅以微弱差距落后 GPT-5.6 Luna。更关键的是，每任务成本约 0.26 美元，比 GLM-5.2 的 0.37 美元和 GPT-5.4 的 0.89 美元都低，输出 token 也更少。幻觉率从上代 73% 降至 38%，模型更倾向拒绝回答而非胡编。上下文窗口扩大四倍至 100 万 token，目前仅通过 Meta 自有 API 提供。
Meta 推出 Muse Spark 1.1，在 Artificial Analysis 测评体系中的 Intelligence Index 取得 51 分，与 GLM 5.2、GPT-5.4、GPT-5.6 Luna 并列。短短三个月内该模型提升 8 分，进步集中在编码和智能体知识工作两类任务上，反映出 Meta 在工程化能力上的持续投入。
编码能力是本次升级的亮点。Muse Spark 1.1 在 Coding Index 上拿到 71.3 分，超过 GLM 5.2 的 68.8，仅以 0.1 分的微弱差距落后 GPT-5.6 Luna。当前榜单头部分别由 GPT-5.6 Sol（77.4）、Terra（76.7）和 Claude Fable 5（76.5）占据，Meta 已稳居第二梯队前列。
性价比层面，Muse Spark 1.1 表现突出。每任务成本约 0.26 美元，低于 GLM-5.2 的 0.37 美元和 GPT-5.4 的 0.89 美元；输出 token 仅 9400 万，对比 GLM-5.2 的 1.41 亿节省明显。在分数持平甚至略高的情况下，Meta 提供了更经济的选项。
可靠性方面同样有改善。幻觉率从上版本的 73% 下降至 38%，接近减半。模型在面对不确定问题时更倾向直接拒绝，而非强行生成错误答案，这对于企业部署而言是重要的安全信号。
Meta 还把上下文窗口扩展四倍至 100 万 token，可以一次性处理更长的代码库或文档。目前 Muse Spark 1.1 仅通过 Meta 官方 API 开放，尚未登陆第三方云平台，渠道策略略显保守。
需要注意的是，基准测试成绩并不能完全代表真实业务表现。开发者在选型时仍应结合自身场景进行实测，但 Muse Spark 1.1 至少在纸面数据和成本结构上给出了足够有竞争力的组合。
要点
- Muse Spark 1.1 在 Intelligence Index 上三个月提升 8 分至 51 分，与 GLM 5.2、GPT-5.4 并列
- 编码得分 71.3，超过 GLM 5.2 的 68.8，仅以微弱差距落后 GPT-5.6 Luna
- 单任务成本 0.26 美元，低于 GLM-5.2 的 0.37 美元和 GPT-5.4 的 0.89 美元
- 幻觉率从 73% 降至 38%，模型倾向于拒绝而非胡乱作答
- 上下文窗口扩大四倍至 100 万 token，目前仅通过 Meta 自有 API 提供
原始标题：Meta's Muse Spark 1.1 outperforms GLM-5.2 in coding and costs slightly less
本文由 DataHub 基于公开来源整理，用于信息发现与摘要阅读；具体事实、数据和后续更新以原始来源为准。