美国开源新贵 Muse Spark 对比 Qwen/GLM:综合指数领先但 Agent 任务落后
zsakib_ · x · 2026-10-16
zosakib 在回复 plinius 时晒出 Artificial Analysis 10 月 15 日快照图，对比美国新发布的 Muse Spark Open、Nemotron 3.5 Super VL、Inkling Small、Gemma 4 31B 与中国开源模型 Qwen 3.8 27B、GLM 5.3 Flash，并吐槽"还是不如中国模型"。图中数据：
- 综合：AA Intelligence Index v4.3.2 上 GLM 5.3 Flash 最高（41.8），Spark 38.9，Qwen 33.7，Super VL 26.5，Gemma 仅 14.7。
- Agent 任务：Terminal-Bench 4.0 上 GLM 32.8% 大幅领先 Spark 仅 8.1%、Super VL 0%；AutomationBench 上 Qwen/GLM 也领先。
- 长上下文/知识：AA-LCR 长上下文三项接近（Qwen 82.0、GLM 80.0、Spark 78.3）；SciCode 上 Spark 58.4% 领先；GPQA Diamond 各家差距很小。
- 短板：AA-Omniscience 校准测试中 Qwen 为 -18.6，Gemma 崩至 -47.9；Gemma 在多子集垫底。
总体看美国模型在知识与科学编码子集有竞争力，但在 Agent/终端任务上与中国开源头部仍有明显差距。
「模型」频道最新
- Meta 开源 816B 模型 Muse Spark Open，Apple 调优 MLX 上 Mac — rohanpaul_ai · 2026-10-16
- 实测称 GPT-6 Dynamic UI 学数学无对手，成个人化 AI 导师 — AarushSelvan · 2026-10-16
- 评论称权重若真如此干净，将是持续学习的核弹级突破 — mayfer · 2026-10-16
- RTX 3060 12GB 跑 74B MoE:2-bit 量化+专家卸载实测 — cephaloform · 2026-10-16
- 一次通过:Gemini 4 Argon 328 秒用五条短提示生成五个可用应用 — aakashgupta · 2026-10-16
- Pliny 预告开源 816B 稀疏模型 Muse-Spark,开放权重磁力分发 — alexcovo_eth · 2026-10-16