Meta Muse Spark 1.3 误差少 38%，单任务成本 $0.85 压 Claude 与 GPT
ryanshrout · x · 2026-09-04
Signal65 的 Ryan Shrout 发布 PINNACLE agentic 基准新结果：Meta Muse Spark 1.3 位居第二，加权错误数比 Claude Opus 5 少 38%；每个正确任务成本 $0.85，显著低于 Opus 的 $1.36 和 GPT-5.6 Sol 的 $1.22——后两个托管前沿模型因此跌出成本前沿。
细节：
- 该模型偏慢且 token 消耗大，但在托管模型高端档仍是性价比最佳选择
- PINNACLE 基于美国劳工部的职业工作活动构建真实多步企业任务，用代码确定性评分而非模型裁判，每轮动态生成沙盒与答案密钥，防止背题
- 完整结果可在 Signal65 网站查看
这可能是 Meta 的下一个「Llama 时刻」。
所属事件:Meta Muse Spark 1.3 登 agentic 榜第二成本仅三分之一(2 条相关)→
「模型」频道最新
- GitHub Copilot 推出 HydraFusion：按任务动态编排多模型执行 — WirelessLife · 2026-10-21
- OpenVLHarness：让任意多模态大模型在视觉空间中思考与写代码 — yining_hong · 2026-10-21
- 用户实测 Gemini 分析网球视频给出建议，称改善动作还缓解肘痛 — zacharynado · 2026-10-21
- OpenRouter 数据：Opus 5.5 在 29 类任务中 20 类支出第一 — mmurph · 2026-10-21
- 小团队数月从零到百造出 LLM，称 Meta 开源将迎第二纪元 — TimDarcet · 2026-10-21
- 同一作者再谈架构：内存受限时 MoE 未激活参数纯属死重 — TimDarcet · 2026-10-21