Meta ra mắt Muse Spark 1.1: Hiệu suất vượt trội với chi phí tối ưu

Muse Spark 1.1 của Meta đạt 51 điểm trên chỉ số thông minh của Artificial Analysis, thể hiện hiệu suất vượt trội về chi phí và hiệu quả token so với các mô hình cùng phân khúc.

Muse Spark 1.1 (xhigh) đã tăng 8 điểm trong vòng ba tháng so với Muse Spark 1.0 (43 điểm). Mô hình này đạt mức ngang bằng với GLM-5.2 (max), GPT-5.4 (xhigh) và GPT-5.6 Luna (max) ở mức 51 điểm, kém 3 điểm so với Grok 4.5 (high, 54 điểm), trong khi nhóm dẫn đầu bao gồm Claude Fable 5 (60 điểm), GPT-5.6 Sol (max, 59 điểm) và Claude Opus 4.8 (max, 56 điểm).

Sự cải thiện của mô hình tập trung chủ yếu vào các lĩnh vực suy luận khoa học, lập trình và kiến thức; tuy nhiên, hiệu suất trong mảng tác vụ tri thức của tác nhân (agentic knowledge work) trên GDPval-AA v2 vẫn còn chậm.

@AIatMeta đã chia sẻ quyền truy cập với chúng tôi để thực hiện kiểm thử benchmark trước khi phát hành công khai. Chúc mừng @AIatMeta, @finkd và @alexandr_wang đã ra mắt phiên bản này!

Các điểm chính: ➤ Muse Spark 1.1 có sự cải thiện đáng kể so với phiên bản Muse Spark đầu tiên. Điều này đặc biệt nhờ vào những tiến bộ trong tác vụ tri thức của tác nhân (GDPval-AA v2) và lập trình (SciCode, TerminalBench). Trên Humanity's Last Exam, mô hình đạt 45%, chỉ kém chưa đầy 1 điểm so với Claude Opus 4.8 (max, 46%) và vượt qua GPT-5.5 (44%) cùng Grok 4.5 (high, 40%). ➤ Ở mức 51 điểm, đây là một trong những mô hình có hiệu quả token cao nhất và chi phí vận hành thấp nhất. Muse Spark 1.1 đã sử dụng 94 triệu token đầu ra để chạy các bài kiểm tra chỉ số thông minh, ít hơn so với GPT-5.4 (xhigh, 109 triệu), GPT-5.6 Luna (max, 125 triệu) và GLM-5.2 (max, 141 triệu). Chúng tôi ước tính với mức giá $1.25/$4.25 của Meta, chi phí cho mỗi tác vụ chỉ số thông minh là khoảng $0.26 — thấp hơn GLM-5.2 ($0.37) và chỉ bằng khoảng một phần ba so với GPT-5.4 ($0.89). ➤ Điểm số AA-Omniscience tăng lên là nhờ vào việc bỏ qua câu trả lời thay vì tăng độ chính xác. Điểm số này đã tăng từ 4 lên 18, gấp hơn bốn lần, trong khi tỷ lệ ảo tưởng của mô hình giảm 35 điểm phần trăm (từ 73% xuống 38%), tỷ lệ trả lời giảm từ 95% xuống 82%, và độ chính xác gần như giữ nguyên (từ 45% xuống 41%).

Các chi tiết khác về mô hình: ➤ Cửa sổ ngữ cảnh: 1 triệu token, cao hơn mức 262.000 của Muse Spark 1.0. ➤ Định giá: $1.25/$4.25 cho mỗi 1 triệu token đầu vào/đầu ra; giảm giá cho cache hit xuống còn $0.15 mỗi 1 triệu token. ➤ Tốc độ đầu ra: Trung bình khoảng 114 token mỗi giây trên API chính thức của Meta, thời gian tạo token đầu tiên khoảng 21 giây. ➤ Khả dụng: Cung cấp thông qua API chính thức của Meta ngay khi ra mắt.