Muse Spark Open 预估成最强非中国开源 LLM，agent 基准预测得分 36

zsakib_ · x · 2026-10-16

博主根据 Meta 的 benchmark 卡片与 Artificial Analysis 数据，对尚未发布的 Muse Spark Open 在三项 agent 基准（Terminal-Bench 4.0、AutomationBench-AA、AA-Briefcase v1.1）上的得分做出预估：约 36 分（90% 置信区间 29-43），将超过现有最好的美国开源权重模型 Nemotron 3.5 Super VL（13.9），但仍落后中国开源前沿——GLM-5.3（51.8）与 GLM-5.3-Flash（46.5）。图表显示美国开源模型在 agent 基准上整体落后于中国模型的价格-性能前沿。作者希望该模型易于微调并对 RL 训练友好。注意此为基于公开数据的预测，非实测成绩。