Meta Muse Spark 1.1 在 Artificial Analysis 智能指数中得分 51，兼具成本与 token 效率优势

一句话看懂：Meta 最新的 Muse Spark 1.1 模型在 Artificial Analysis 的智能指数中获得 51 分，相较于三个月前发布的 1.0 版本有显著提升，且在同等得分梯队中表现出最佳的成本控制和 token 使用效率，是性价比突出的新选择。

事件核心：发生了什么

据 Artificial Analysis 7 月 10 日发布的测评，Meta Muse Spark 1.1 在 Artificial Analysis 智能指数中的得分从 Muse Spark 1.0 的 43 分提升至 51 分，进步 8 分。这一分数与 GLM-5.2（max）、GPT-5.4（xhigh）、GPT-5.6 Luna（max）基本持平，落后于 Grok 4.5（high）的 54 分，而当前领先的是 Claude Fable 5（60 分）和 GPT-5.6 Sol（max，59 分）。得分提升主要来自科学推理、编码和知识领域，但在 agentic 知识工作（GDPval-AA v2）上仍显滞后。值得注意的是，Muse Spark 1.1 在 Humanity’s Last Exam 上达到 45%，仅比 Claude Opus 4.8 低 1 个百分点，且领先于 GPT-5.5 和 Grok 4.5。

在效率方面，Muse Spark 1.1 运行智能指数测试仅消耗 9400 万输出 token，远低于 GPT-5.4（1.09 亿）、GPT-5.6 Luna（1.25 亿）和 GLM-5.2（1.41 亿）。结合 Meta 的定价（输入 $1.25/百万 token，输出 $4.25/百万 token，缓存命中仅 $0.15/百万 token），单次智能指数任务成本预估约 $0.26，显著低于 GLM-5.2 的 $0.37 和 GPT-5.4 的 $0.89。此外，模型上下文窗口从 1.0 版本的 26.2 万扩展至 100 万 token，输出速度中位数约 114 token/秒，首 token 响应时延约 21 秒。

为什么重要

Muse Spark 1.1 的发布再次印证了 Meta 在开源大模型与低成本推理方向上的持续投入。其在智能指数得分上与多个闭源领先模型并列，但 token 消耗和计算成本却更低，这直接挑战了当前市场中“高能必然高成本”的认知。对于企业级 AI 应用部署而言，推理成本往往是规模化采纳的关键障碍，Muse Spark 1.1 在保证竞争力的前提下提供了更经济的选项。同时，AA-Omniscience 指标的提升主要依赖“拒答策略”（abstention）而非准确率：幻觉率从 73% 降至 38%，但尝试率从 95% 降至 82%，准确率基本持平，这揭示了模型安全性与可用性之间的权衡路径。

对用户/开发者/创作者的影响

对于开发者和企业用户，Muse Spark 1.1 提供了一个高性价比的模型选择，尤其适合需要处理长上下文（100 万 token）且对成本敏感的推理场景，如代码生成、科学文献分析或知识密集型问答。其 token 效率优势意味着在相同预算下可以处理更多请求。对于创作者而言，该模型在科学推理和编码任务上的进步可能带来更可靠的辅助工具，但在需要高精度 agentic 任务（如复杂工作流自动执行）时仍需谨慎评估。API 使用者可以通过 Meta 的首方 API 直接调用，且缓存命中价格极低，适合高频相似查询场景。

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

首先，Muse Spark 1.1 是否会开放更广泛的第三方 API 集成或开源模型权重，将直接影响其生态渗透速度。其次，其拒答策略在降低幻觉的同时可能削弱实用性，未来版本能否在保持低幻觉率的同时提升尝试率和准确率，是衡量模型成熟度的关键指标。最后，竞品如 OpenAI 和 Anthropic 是否会针对下一代模型进行价格调整或效率优化，以回应 Meta 的成本优势，值得持续观察。

来源：X：Artificial Analysis (@ArtificialAnlys)