Meta 的 Muse Spark 1.1 在编码方面优于 GLM-5.2，且成本略低

一句话看懂：Meta 发布了 Muse Spark 1.1 模型，其在编码能力上超越了智谱的 GLM-5.2，同时任务成本更低。该模型在三个月内智能指数跃升 8 分，主要得益于编码和知识工作能力的改进，推理成本与幻觉率均有显著下降。

事件核心：发生了什么

据 Artificial Analysis 最新评测数据，Meta 推出的 Muse Spark 1.1 在编码指数上取得 71.3 分，领先 GLM-5.2 的 68.8 分，仅略低于 GPT-5.6 Luna 的 71.4 分。在整体智能指数上，Muse Spark 1.1 获得 51 分，与 GLM-5.2、GPT-5.4 以及 GPT-5.6 Luna 持平。该模型每任务约需 0.26 美元，远低于 GLM-5.2 的 0.37 美元和 GPT-5.4 的 0.89 美元；其输出 token 消耗也从 1.41 亿降低至 0.94 亿。Meta 还将其上下文窗口扩大至 100 万 token，且模型幻觉率从 73% 降至 38%，更多情况下会拒答而非给出错误答案。Muse Spark 1.1 发布初期仅通过 Meta 自有 API 提供。

为什么重要

这份数据打破了“更便宜等于更差”的固有认知，显示出 AI 模型在推理成本和性能之间可以取得更优的平衡。尤其是 Muse Spark 1.1 在编码这一对开发者至关重要子领域的突破，意味着 Meta 正在有针对性地挑战智谱 GLM-5.2 和 OpenAI GPT-5 系列在工程师群体中的影响力。推理成本显著降低（GLM-5.2 的约七折）可能加速中小企业对模型 API 的采纳。同时，100 万 token 的窗口与大幅下降的幻觉率，进一步降低了任务重构和结果验证的隐性成本，有望拉动更大规模的企业级应用落地。

对用户/开发者/创作者的影响

对于使用 API 的开发者而言，Muse Spark 1.1 提供了更具竞争力的编码辅助和知识工作选项，尤其是在高并发或高调用量场景下，成本优势明显。创作者和中小团队可在文本生成、结构化文档与简单编程任务上获得接近顶尖模型的效果，而支出减少近 30％。但现阶段模型仅由 Meta API 提供，尚未公开开源或入驻第三方平台，这意味着用户可能面临供应商绑定风险，同时也无法直接在如 Hugging Face 等社区进行二次调优或混合部署。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，Meta 是否会开放 Muse Spark 1.1 的权重或在其他云平台上线，将直接影响开发者的采用意愿。第二，智谱的 GLM-5.2 是否会采取降价或功能更新来应对这次评测结果，值得跟进观察。第三，模型在 38% 的幻觉率基础上能否持续改善拒答精度与可用性，对追求高可靠性输出的金融、医疗等垂直领域至关重要。

来源：The Decoder AI News