Muse Spark 1.2 และ Muse Code: โมเดลที่สามของ Meta ในรอบสี่เดือนทำผลงานเสมอกับ Grok 4.5

Meta เปิดตัว Muse Spark 1.2 เมื่อวันที่ 5 สิงหาคม 2026 สี่สัปดาห์หลังจาก Muse Spark 1.1 และประมาณสี่เดือนหลังจาก Muse Spark ตัวแรก รุ่นนี้มาพร้อมกับสิ่งที่สองรุ่นก่อนหน้าไม่มี: เอเจนต์เขียนโค้ดของ Meta เอง, Muse Code ซึ่งเปิดตัวในเวอร์ชันเบต้าและถูกเทรนร่วมกับโมเดลที่มันทำงานอยู่ และบนกระดานคะแนนเดียวที่ทั้ง Meta และคู่แข่งต่างไม่สามารถควบคุมได้ การเปิดตัวครั้งนี้ทำให้ Meta เสมอกับ SpaceXAI — ตอนนี้ Muse Spark 1.2 และ Grok 4.5 ต่างก็ได้คะแนน 54 ใน Artificial Analysis Intelligence Index ห้าวันต่อมา ก็มีพัฒนาการที่ใหญ่ขึ้น: เมื่อวันที่ 10 สิงหาคม Meta กล่าวว่าจะเปิดเผยน้ำหนักของ Muse Spark 1.2 — การประกาศที่หากเป็นจริง จะทำให้โมเดลนี้กลายเป็นคู่แข่งน้ำหนักเปิดที่แข็งแกร่งที่สุดของสหรัฐฯ ในปัจจุบันต่อโมเดลจีน

มีสองสิ่งที่ควรแยกออกจากกันก่อนที่ตัวเลขใดๆ ด้านล่างจะมีความหมาย คะแนน Intelligence Index ตัวเลขความหน่วง และจำนวนโทเค็นมาจาก Artificial Analysis ซึ่งดำเนินการประเมินของตนเองและเผยแพร่ผลลัพธ์ สิ่งเหล่านั้นเป็นอิสระ ส่วนผลการเขียนโค้ดที่ Meta นำขึ้นนำเสนอในประกาศ — Terminal-Bench 2.1, DeepSWE v1.1 และเกณฑ์วัดภายในองค์กร — ดำเนินการโดย Meta บนแฮร์เนสของ Meta โดยแต่ละโมเดลที่แข่งขันจะจับคู่กับเอเจนต์ผลิตภัณฑ์ของตนเอง ตัวเลขทั้งสองแบบมีประโยชน์ แต่ไม่ใช่หลักฐานประเภทเดียวกัน และบทความนี้แยกทั้งสองออกจากกัน

สิ่งที่ Meta ปล่อยออกมาจริงๆ

ประกาศดังกล่าว ซึ่งถูกโพสต์บนบล็อกงานวิจัยด้าน AI ของ Meta และลงวันที่ 5 สิงหาคม ครอบคลุมผลิตภัณฑ์สองรายการในคราวเดียวกัน

• Muse Spark 1.2 — อัปเดตที่เน้นด้านการเขียนโค้ดของตระกูล Muse Spark Meta กล่าวว่าได้เพิ่มพลังการประมวลผลสำหรับการฝึกอบรมในงานเขียนโค้ด และขยายความหลากหลายของสภาพแวดล้อมการฝึกอบรม พร้อมกับรักษาความสามารถของเอเจนต์ทั่วไปที่เป็นจุดขายของเวอร์ชัน 1.1 เอาไว้ เป้าหมายการฝึกอบรมที่ระบุไว้คือระยะยาว (long-horizon): การสร้างทั้งรีโพสิทอรี การพัฒนาโปรเจกต์ขนาดใหญ่แบบ end-to-end และสิ่งที่ Meta เรียกว่า auto-research ซึ่งมีการวางแผนเพื่อจัดลำดับงาน การปรับสภาพตามเป้าหมายเพื่อรักษาทิศทางในหลายขั้นตอน และการบีบอัดบริบทเพื่อให้สถานะที่เกี่ยวข้องยังคงอยู่เมื่อเซสชันดำเนินไปเป็นเวลานาน

• Muse Code — เทอร์มินัลโค้ดดิ้งเอเจนต์ในรุ่นเบต้า ติดตั้งด้วยสคริปต์เชลล์บรรทัดเดียวจากโดเมนนักพัฒนาของ Meta รันเอเจนต์เบื้องหลังแบบ async ที่คงอยู่ข้ามเซสชัน บนรันไทม์ event-log ในเครื่องที่ Meta อธิบายว่า replay-exact และ restart-safe และประสานงานเอเจนต์ย่อยหลายตัวต่อหนึ่งงานใน worktree ที่แยกจากกัน มาพร้อมสกิลในตัวสามอย่าง: /plan สำหรับการวางแผนที่ต้องขออนุมัติ, /grill สำหรับทดสอบงานที่ทำเสร็จแล้วอย่างเข้มข้น และ /goal สำหรับขับเคลื่อนงานให้สำเร็จลุล่วง

การจับคู่นี้ไม่ใช่เรื่องบังเอิญ Meta กล่าวว่าทั้งสองถูกฝึกมาด้วยกัน โดยโมเดลถูกปรับจูนด้วยวิถี (trajectories) ที่ได้จากการสุ่มแบบปฏิเสธ (rejection sampling) จากแฮร์เนส (harness) พร้อมกับการปรับแต่งสูตรให้เหมาะสมสำหรับเป้าหมาย การบีบอัด และตัวแทนย่อย นั่นคือกลยุทธ์การฝึกแบบร่วมเดียวกันที่ทำให้เกิด Claude Code และ Codex และมันมีผลต่อใครก็ตามที่อ่านตัวเลข benchmark: คะแนนการเขียนโค้ดหลักของโมเดลถูกสร้างขึ้นภายในแฮร์เนสที่มันถูกฝึกด้วย นั่นไม่ใช่การโกง แต่มันคือวิธีที่การประเมินแบบ agentic ทำงานในปัจจุบัน แต่มันหมายความว่าคะแนน 1.2 ที่ได้จากโครงสร้างอื่น (scaffold) เป็นคำถามที่ยังไม่มีคำตอบ มากกว่าจะเป็นข้อสันนิษฐานที่ปลอดภัย

ข้อกำหนดที่เหลือไม่มีการเปลี่ยนแปลงจากเวอร์ชัน 1.1 ซึ่งในตัวมันเองก็เป็นเพียงข้อมูลอ้างอิง ขนาดคอนเท็กซ์ยังคงอยู่ที่ 1,048,576 โทเคน การใช้เหตุผลยังคงเป็นข้อบังคับในห้าระดับความพยายาม ได้แก่ minimal, low, medium, high และ xhigh โดยมี medium เป็นค่าเริ่มต้น ไม่มีการกำหนดค่าใดที่คุณจะได้น้ำหนัก (weights) มาโดยไม่ต้องแลกกับการใช้ความคิด (deliberation) บางส่วน ในช่วงเปิดตัว น้ำหนักถูกปิดไว้ โดยไม่มีที่เก็บโค้ดบน Hugging Face และ Model API ของ Meta เองเป็นช่องทางอย่างเป็นทางการเพียงแห่งเดียวที่ใช้เรียกใช้งานได้ แต่ตอนนี้มีกำหนดการณ์จะเปลี่ยนแปลง: เมื่อวันที่ 10 สิงหาคม Meta ประกาศว่าจะเปิดเผยน้ำหนัก ซึ่งเป็นการพลิกกลับนโยบายการปิดน้ำหนักที่ใช้ควบคุม Muse Spark สามเวอร์ชันแรก

43, แล้วก็ 51, แล้วก็ 54

Artificial Analysis ให้คะแนน Muse Spark 1.2 ที่ 54 ในดัชนีเชาวน์ปัญญาที่การตั้งค่าเหตุผลระดับ xhigh โดยจัดอันดับเป็นรุ่นที่ 13 จาก 185 รุ่น เทียบกับค่ามัธยฐานของกลุ่มที่ 32 ดัชนีนี้เป็นองค์ประกอบถ่วงน้ำหนักจากการประเมินเก้ารายการ — GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience และ AA-LCR — แบ่งเท่าๆ กันในด้านเอเจนต์ การเขียนโค้ด ความสามารถทั่วไป และการให้เหตุผลทางวิทยาศาสตร์

การอ่านแบบเป็นชุดข้อมูลต่อเนื่องแทนที่จะเป็นภาพนิ่ง วิถีการพัฒนาของ Meta คือเรื่องราวที่แท้จริง Muse Spark รุ่นดั้งเดิมได้ 43 คะแนนในเดือนเมษายน Muse Spark 1.1 ทำได้ 51 คะแนนในวันที่ 9 กรกฎาคม ซึ่งเพิ่มขึ้นแปดจุดภายในหนึ่งไตรมาส Muse Spark 1.2 เพิ่มขึ้นอีกสามจุดภายในเวลาไม่ถึงหนึ่งเดือน Meta ขยับขึ้น 11 จุดดัชนีในสี่เดือน และตอนนี้ปล่อยอัปเดตเร็วกว่าที่ระบบนิเวศการประเมินจะตามทัน — ยังไม่มีรายละเอียดแยกตามเกณฑ์วัดสำหรับเวอร์ชัน 1.2 เผยแพร่ออกมา และไม่มีสถิติใน Design Arena เลยด้วยซ้ำ ในขณะที่ 1.1 มีทั้งสองอย่าง

ห้าสิบสี่คะแนน Meta อยู่ในระดับเดียวกับ Grok 4.5 โมเดลที่ SpaceXAI เปิดตัวหนึ่งวันก่อน Muse Spark 1.1 และตามหลังกลุ่มแนวหน้าที่สูสี: Claude Opus 5 ที่ 61, Claude Fable 5 ที่ 60, GPT-5.6 Sol ที่ 59 ช่องว่างถึงอันดับบนสุดคือหกหรือเจ็ดคะแนน ช่องว่างจากจุดที่ Meta เริ่มต้นปีคือสิบเอ็ดคะแนน จะปิดลงได้หรือไม่ขึ้นอยู่กับว่าจังหวะการปล่อยเวอร์ชันยังคงดำเนินต่อไป และตอนนี้ Meta อยู่ในรอบปล่อยทุกสี่สัปดาห์

อย่างไรก็ตาม การเสมอกันในดัชนีรวมไม่ใช่การเสมอกันในงานจริง และควรกล่าวถึงสิ่งที่ 54 ชี้ขาดและไม่ชี้ขาด มันชี้ขาดว่า Muse Spark 1.2 อยู่ในระดับเดียวกับ Grok 4.5 ในด้านความสามารถโดยรวม แต่ไม่ได้บอกคุณว่าใครเขียนแพตช์ได้ดีกว่ากัน เนื่องจากดัชนีย่อยด้านการเขียนโค้ดที่จะตอบคำถามนั้นยังไม่ได้รับการเผยแพร่สำหรับเวอร์ชัน 1.2

ตัวเลขการเขียนโค้ดของ Meta โปรดอ่านอย่างละเอียด

การประกาศของ Meta นำในสามแผนภูมิ ในการรันของตัวเอง รายงานเป็น pass@1 จากห้าความพยายาม โดยแต่ละโมเดลที่แข่งขันถูกจับคู่กับผลิตภัณฑ์เอเจนต์ของตัวเอง:

• Terminal-Bench 2.1 — 82.9% สำหรับ Muse Spark 1.2 เพิ่มขึ้นจาก 76.2% ของเวอร์ชัน 1.1 โดย Claude Opus 5 แสดงนำอยู่ที่ 86.7%.

• DeepSWE v1.1 — 59.3% เพิ่มขึ้นจาก 53.0%.

• เกณฑ์มาตรฐานการเขียนโค้ดภายในของ Meta — 70.6% เพิ่มขึ้นจาก 68.3%.

ส่วนต่างที่วัดได้คือส่วนที่น่าเชื่อถือ {{1}}การเพิ่มขึ้น 6.7 จุดบน Terminal-Bench และ 6.3 จุดบน DeepSWE ซึ่งวัดด้วยวิธีเดียวกันบนแฮร์เนสชุดเดียวกันโดยทีมเดียวกัน ห่างกันหนึ่งเดือน ถือเป็นการอ่านค่าที่สมเหตุสมผลว่า 1.2 ดีขึ้นจาก 1.1 มากแค่ไหนในด้านที่ Meta กำลังเพิ่มประสิทธิภาพ{{/1}} {{2}}ส่วนอันดับเทียบกับผู้พัฒนารายอื่นคือส่วนที่ควรยึดถือแบบหลวม ๆ:{{/2}} {{3}}การจับคู่แฮร์เนสเป็นตัวแปรอิสระขนาดใหญ่ และห้องแล็บที่ปรับแต่งแฮร์เนสของตัวเองควบคู่ไปกับโมเดลของตัวเอง ย่อมไม่อยู่ในสถานะที่จะปรับแต่งของคนอื่นได้ดีเท่าเทียมกัน{{/3}} {{4}}Meta อยู่อันดับสองบนสไลด์ของตัวเอง ซึ่งอย่างน้อยก็ไม่ใช่รูปแบบปกติของเบนช์มาร์กจากผู้พัฒนา แต่ก็ยังไม่มีบุคคลที่สามรายใดทำซ้ำผลดังกล่าวได้ ณ เวลาที่เขียนบทความนี้{{/4}}

รายการราคาที่สอง

สิ่งที่มีผลกระทบมากที่สุดในรุ่นนี้ไม่ได้อยู่บนแผนภูมิ benchmark Muse Spark 1.2 มาพร้อมกับรายการราคาสองชุด

• ระดับมาตรฐาน — ราคา 1.25 ดอลลาร์ต่อล้านโทเคนนำเข้า, 0.15 ดอลลาร์ต่อล้านเมื่อแคชฮิต, 4.25 ดอลลาร์ต่อล้านโทเคนเอาต์พุต ไม่เปลี่ยนแปลงจากเวอร์ชัน 1.1 ทุกร้อยเซนต์ อัตราจำกัดประมาณ 3,000 คำขอต่อนาที Web-search grounding คิดค่าบริการแยกต่างหากที่ 2.50 ดอลลาร์ต่อพันคำค้นหา

• ระดับผู้สนับสนุน — อินพุต $0.10, อินพุตแคช $0.002, เอาต์พุต $0.20 นั่นคือถูกกว่า 12.5 เท่าในส่วนอินพุต และถูกกว่า 21.25 เท่าในส่วนเอาต์พุต ราคาที่ต้องจ่ายเพื่อเข้าร่วมคือการอนุญาตให้ Meta ฝึกโมเดลในอนาคตบนทราฟฟิกของคุณ และขีดจำกัดอัตราที่ 60 คำขอต่อนาที — คิดเป็น 2% ของงบประมาณมาตรฐาน

ที่ราคา $0.10 และ $0.20 Muse Spark 1.2 จะมีราคาต่ำกว่าแทบทุกโมเดลที่ใกล้เคียงระดับ frontier ในตลาด รวมถึงกลุ่ม open-weight ระดับประหยัดที่ปกติแล้วมีราคาถูกกว่า นี่คือตัวเลขที่น่าสนใจในการเปิดตัวครั้งนี้ และมันไม่ใช่การตัดสินใจเรื่องราคาแบบแท้จริง อัตรา 60 คำขอต่อนาทีตัดรูปแบบ fan-out สำหรับโปรดักชันส่วนใหญ่ด้วยตัวของมันเอง ระดับนี้จึงมุ่งเป้าไปที่การทดลองและการทำงานของทีมเล็ก ๆ มากกว่าการให้บริการ และข้อความ "เราอาจนำข้อมูลการใช้งานของคุณไปฝึกโมเดล" เป็นคำถามสำหรับคนที่อนุมัติธรรมาภิบาลข้อมูลในองค์กรของคุณ ไม่ใช่สำหรับคนที่เลือกโมเดล ให้มองว่ามันคือการตรวจสอบทางกฎหมายพร้อมส่วนลดที่แถมมา ไม่ใช่ SKU ที่ถูกลง

การผลิต 54 มีต้นทุนเท่าไร

Artificial Analysis เผยแพร่ค่าใช้จ่ายที่ใช้ในการรันการประเมินของตัวเอง และคอลัมน์นั้นคือที่ที่รูปร่างของ Muse Spark 1.2 ปรากฏขึ้น การผ่านชุดเกณฑ์มาตรฐานทั้งเก้าชุดมีค่าใช้จ่าย 637.85 ดอลลาร์สหรัฐ และใช้โทเค็นเอาต์พุต 95 ล้านโทเค็น เทียบกับ 548.07 ดอลลาร์สหรัฐ และ 94 ล้านโทเค็นสำหรับ Muse Spark 1.1 — ด้วยราคาต่อโทเค็นที่เหมือนกัน ส่วนที่เพิ่มขึ้นอีก 16% นั้นเป็นการไตร่ตรองล้วนๆ

ตัวเลขความหน่วงก็เคลื่อนไปในทิศทางเดียวกัน เมื่อวัดที่ xhigh เวลาจนถึงโทเค็นแรกคือ 26.12 วินาทีสำหรับเวอร์ชัน 1.2 เทียบกับ 2.90 วินาทีสำหรับเวอร์ชัน 1.1 และความเร็วเอาต์พุตลดลงจาก 213.5 เป็น 165.0 โทเค็นต่อวินาที Meta ซื้อคะแนนดัชนีสามจุดด้วยเวลาคิด และการออกแบบที่บังคับให้ใช้เหตุผลหมายความว่าคุณไม่สามารถปฏิเสธการซื้อนี้ได้ — เลือกได้เพียงว่าจะคิดมากน้อยแค่ไหน

ตัวเลข 26 วินาทีนั้นจะถูกอ้างอิงผิดๆ ดังนั้นนี่คือการแก้ไขล่วงหน้า: มันคือการวัดที่ระดับความพยายาม (effort) ที่แพงที่สุดที่โมเดลเปิดเผย และ API ตั้งค่าเริ่มต้นไว้ที่ระดับกลาง ในฐานะจุดอ้างอิงจากการใช้งานจริง ไม่ใช่จากเครื่องมือวัด benchmark Muse Spark 1.1 ที่ให้บริการผ่าน OrcaRouter — ในระดับความพยายามที่ผู้เรียกใช้จริงขอ — แสดง p50 ของเวลาไปจนถึง token แรกใน 7 วันที่ 1.84 วินาที และ p95 ที่ 6.00 วินาที ที่ 519 tokens ต่อวินาที และอัตราความผิดพลาดเป็นศูนย์ ความหน่วงของ benchmark ที่ความพยายามสูงสุดและความหน่วงในการผลิตที่ระดับความพยายามเริ่มต้นเป็นปริมาณที่ต่างกัน และโดยปกติแล้วต่างกันหนึ่งระดับขนาด (order of magnitude) อ่าน 26.12s ว่าเป็นเพดานสำหรับการคิดเชิงลึก ไม่ใช่สิ่งที่คำขอหนึ่งจะรู้สึกได้

ที่ที่คุณสามารถโทรหามันได้ในวันนี้

Muse Spark 1.2 ให้บริการโดย Model API ของ Meta เอง และ ณ เวลาที่เขียนนี้ ยังไม่มีที่อื่นให้บริการ — ยังไม่มีคลังโมเดลบน Hugging Face และไม่ปรากฏในแคตตาล็อก OrcaRouter นั่นคือสิ่งที่ประกาศเมื่อวันที่ 10 สิงหาคมกำลังจะเปลี่ยน: Meta ระบุว่าน้ำหนักโมเดลจะเปิดเผย 'ในอีกไม่กี่สัปดาห์ข้างหน้า' และเมื่อถึงตอนนั้น คำถามเรื่องความพร้อมใช้งานก็จะเปลี่ยนจาก 'ให้บริการที่ไหน?' ไปเป็น 'น้ำหนักชุดไหน ภายใต้สัญญาอนุญาตใด และในรันไทม์ใดบ้าง' Muse Spark 1.1 อยู่ในแคตตาล็อก OrcaRouter ที่ราคา $1.25 และ $4.25 — ตัวเลขเดียวกันกับที่ Meta เรียกเก็บ เพราะ OrcaRouter คิดมาร์กอัป 0% และส่งผ่านราคารายการของผู้ให้บริการตรง ๆ

สิ่งนั้นสำคัญต่อการเปรียบเทียบมากกว่าตัวโมเดลเอง หากคุณกำลังสร้างโมเดลต้นทุนสำหรับรุ่นนี้ โมเดลที่คุณจะใช้เป็นเกณฑ์เปรียบเทียบ — Claude Opus 5, Claude Fable 5, GPT-5.6 Sol, Grok 4.5, DeepSeek V4 Flash — อยู่เบื้องหลังคีย์เดียวในราคารายการ ตัวเลขในสเปรดชีตของคุณจึงเท่ากับตัวเลขในใบแจ้งหนี้ และการลดราคาจากผู้ให้บริการก็มีผลทันทีในวันเดียวกัน ไม่ใช่หลังต่ออายุ สำหรับ Muse Spark 1.2 โดยเฉพาะ วันนี้คำตอบคือเอนด์พอยต์ของ Meta สัญญาฉบับที่สอง และบิลแยกต่างหาก — และเมื่อน้ำหนักโมเดลเผยแพร่ การติดตั้งแบบโฮสต์เองก็จะกลายเป็นตัวเลือกที่สาม

มีอะไรเปลี่ยนแปลงเมื่อวันที่ 10 สิงหาคม

ห้าวันหลังจากการเปิดตัว ท่าทีของ Meta ต่อผลิตภัณฑ์เรือธงของตัวเองก็พลิกกลับ ในประกาศลงวันที่ 10 สิงหาคม Meta กล่าวว่าจะเปิดเผยน้ำหนัก (weights) ของ Muse Spark 1.2 'ในอีกไม่กี่สัปดาห์ข้างหน้า' ซึ่งทำให้เป็นการเปิดตัว Muse Spark ครั้งแรกที่ทีมสามารถรันได้ด้วยตัวเอง คำกล่าวนี้เป็นเพียงถ้อยแถลงของผู้บริหาร ยังไม่มีการเผยแพร่จริง: ยังไม่มีที่เก็บ (repository) บน Hugging Face และวันที่แน่นอน จำนวนพารามิเตอร์ และสัญญาอนุญาตยังไม่ได้รับการยืนยันทั้งหมด

เดิมพันคือการแข่งขันเรื่องน้ำหนักโมเดล Muse Spark 1.2 ทำคะแนน 54 บนดัชนีปัญญาประดิษฐ์ Artificial Analysis Intelligence Index — สูงกว่าโมเดลโอเพนเวตของสหรัฐฯ ทุกรุ่นที่ดาวน์โหลดได้ในขณะนี้ — ดังนั้นหากน้ำหนักโมเดลออกมาตามที่สัญญาไว้ ก็จะกลายเป็นคู่แข่งโอเพนเวตที่แข็งแกร่งที่สุดของอเมริกาต่อห้องแล็บจีน ซึ่งเป็นกรอบที่มาร์ก ซักเคอร์เบิร์ก โต้แย้งอย่างยาวเหยียดในวันที่ 10 สิงหาคม ในเรียงความ 6,500 คำ กล่าวหาว่าข้อจำกัดของสหรัฐฯ ต่อข้อมูลฝึกกำลังมอบความได้เปรียบด้านโอเพนเวตให้แล็บต่างชาติ การพลิกเกมนี้มีการส่งมอบชิ้นแรกแล้ว: Muse Glimmer โมเดล 30 พันล้านพารามิเตอร์ ปล่อยในวันเดียวกันภายใต้สัญญาอนุญาต Apache 2.0 กลั่นจาก Muse Spark และสร้างมาเพื่องาน agentic ในเครื่อง เบนช์มาร์กของ Meta เองจัดให้มันเหนือกว่า Gemma4-31B ของ Google และ Qwen3.6-27B ในงาน agent ตัวเลขเหล่านั้นมาจากผู้ผลิตเองและยังไม่มีการทำซ้ำโดยอิสระ

สิ่งที่คำประกาศไม่ได้ตอบ

• ไม่มีคะแนนการเขียนโค้ดแยกต่างหากArtificial Analysis เผยแพร่ค่าคอมโพสิตสำหรับเวอร์ชัน 1.2 แต่ยังไม่ได้เผยแพร่ดัชนีย่อยด้านการเขียนโค้ดและด้านเอเจนติกที่เคยเผยแพร่สำหรับเวอร์ชัน 1.1 (71.3 และ 37.5 ตามลำดับ) เนื่องจากงานเอเจนติกเป็นมิติที่อ่อนแอที่สุดของเวอร์ชัน 1.1 อย่างขาดลอย และการเขียนโค้ดแบบเอเจนติกคือสิ่งที่เวอร์ชัน 1.2 อ้างว่าได้แก้ไข นี่คือตัวเลขที่จะชี้ขาดการเปิดตัวครั้งนี้

• ไม่มีการทำซ้ำผลลัพธ์ของชุดทดสอบตัวเลขด้านการเขียนโค้ดทุกตัวในประกาศนี้ดำเนินการโดย Meta ยังไม่มีใครเผยแพร่คะแนนของ Muse Spark 1.2 จากโครงสร้างการประเมินที่เป็นกลาง

• ไม่มีการตรวจสอบแบบมัลติโมดัลรายการ Muse Spark โฆษณารองรับอินพุตข้อความ รูปภาพ วิดีโอ เสียง และ PDF. การประเมินอิสระครอบคลุมข้อความและรูปภาพ. การสื่อสารเวอร์ชัน 1.2 ของ Meta ได้เปลี่ยนไปมุ่งเน้นงานด้านซอฟต์แวร์เกือบทั้งหมด และกรณีการใช้งานสื่อผสมเวอร์ชัน 1.1 ที่ถูกขายอย่างชัดเจน กลับไม่มีทั้งการตลาดและการวัดผลสนับสนุนในขณะนี้

• ยังไม่มีประวัติปริมาณงานปริมาณบนเอนด์พอยต์ยังน้อยเกินไปสำหรับสถิติความหน่วงแบบเลื่อนตามปกติที่จะแสดงผล

สิ่งที่น่าดูในช่วงสี่สัปดาห์ข้างหน้า

สี่สิ่งจะชี้ขาดว่าการเปิดตัวครั้งนี้เป็นอย่างที่ Meta กล่าวอ้างหรือไม่ อย่างแรกคือคะแนน agentic อิสระสำหรับรุ่น 1.2 — หากดัชนีย่อยที่เคยอยู่ที่ 37.5 ใน 1.1 ขยับอย่างมีนัยสำคัญ ข้อเสนอด้านการเขียนโค้ดก็เป็นเรื่องจริง อย่างที่สองคือมีใครจำลองผลลัพธ์ Terminal-Bench นอก Muse Code ได้หรือไม่ โมเดลที่ทำผลงานได้ดีเฉพาะในกรอบทดสอบของตัวเองจัดเป็นผลิตภัณฑ์ ไม่ใช่ขีดความสามารถ อย่างที่สามคือสิ่งที่เกิดกับระดับผู้สนับสนุน หากขีดจำกัด 60 คำขอถูกผ่อนคลาย โมเดลที่ใกล้เคียง frontier ซึ่งคิดราคาเข้า $0.10 และออก $0.20 จะเปลี่ยนตัวเลขทางคณิตศาสตร์ของระดับงบประมาณ ในแบบที่การเพิ่มขึ้นของดัชนีสามจุดไม่มีทางทำได้ อย่างที่สี่คือคำสัญญาเรื่อง weights: Meta กล่าวว่า weights ของ Muse Spark 1.2 จะเปิดเผย 'ในอีกไม่กี่สัปดาห์ข้างหน้า' และ repository จะมาทันไทม์ไลน์นั้นหรือไม่ — ภายใต้ไลเซนส์ใด และรันไทม์ท้องถิ่นจะรองรับได้เร็วแค่ไหน — จะเป็นเครื่องชี้ขาดว่าการหันมาเปิดเผย weights นั้นเป็นเรื่องจริงหรือไม่

และหากจังหวะยังคงเป็นเช่นนี้ Muse Spark 1.3 ก็มีกำหนดเปิดตัวในต้นเดือนกันยายน จากหลักฐานนี้ ตัวเลขที่ต้องจับตาเมื่อมันวางจำหน่ายไม่ใช่คะแนนดัชนี แต่คือว่า Meta จะสามารถเพิ่มขีดความสามารถโดยไม่เพิ่มเวลาคิดอีกยี่สิบวินาทีไว้ด้านหน้าของทุกคำขอได้หรือไม่ ผลลัพธ์แรกของการเปลี่ยนทิศทางนั้นออกมาแล้ว: Muse Glimmer โมเดล open-weight ขนาด 30 พันล้านพารามิเตอร์ที่ Meta ปล่อยเมื่อวันที่ 10 สิงหาคมภายใต้สัญญาอนุญาต Apache 2.0 สร้างขึ้นเพื่อรันเอเจนต์ในเครื่อง ซึ่งเป็นตัวอย่างที่ใกล้เคียงที่สุดเท่าที่เคยมีมาว่า Muse Spark 1.2 แบบเปิดมีหน้าตาอย่างไร