Meta** Компания Meta признана экстремистской и запрещена на территории РФ

Muse Spark Open

Выпущена 15 октября 2026

Открытые веса

Обновлено 16 октября 2026. Автоматическое обновление каждый час.

Возможности и стоимость

Принимает
текст, изображения, видео, аудио
Создаёт
текст
Контекст, токенов
1 048 576
Максимальный ответ, токенов
131 072
Режим рассуждения
Да
Вызов инструментов
Да
Открытые веса
Да
API: вход / 1 млн токенов
Нет данных
API: выход / 1 млн токенов
Нет данных
API: чтение кэша / 1 млн токенов
Нет данных

Результаты тестов

17 опубликовано

Опубликованные оценки из указанных источников. Баллы зависят от версии теста и режима запуска; они не заменяют проверку на вашей задаче.

Тест / метрикаMuse Spark Open
BabyVision%
УсловияРежим: xhigh effort, with tools

variant: xhigh effort, with tools; Mean answer accuracy over all 388 prompts, averaged over five runs; tools enabled. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
80,2
FrontierMath Tier 4 (v2)%
УсловияВерсия: 2Режим: xhighНабор: FrontierMath-Tier-4-v2-PrivateСреда: Epoch AI internal runs

Собственный прогон Epoch AI; mean_score × 100 (scale 1.0). Общая группа задана по опубликованной методике и дате; настройки отдельного запуска не подтверждены.

Стандартная ошибка: ±7,36 п. п.Epoch AI, Capabilities & benchmarking (epoch.ai) ↗CC BY 4.0 ↗15 октября 2026
31,71
FrontierMath Tiers 1–3 (v2)%
УсловияВерсия: 2Режим: xhighНабор: FrontierMath-Tiers-1-3-v2-PrivateСреда: Epoch AI internal runs

Собственный прогон Epoch AI; mean_score × 100 (scale 1.0). Общая группа задана по опубликованной методике и дате; настройки отдельного запуска не подтверждены.

Стандартная ошибка: ±2,72 п. п.Epoch AI, Capabilities & benchmarking (epoch.ai) ↗CC BY 4.0 ↗15 октября 2026
69,82
GPQA Diamond%
УсловияВерсия: 1.0.6Режим: xhighНабор: GPQA diamondСреда: Epoch AI internal runs

Собственный прогон Epoch AI; mean_score × 100 (scale 1.0). Общая группа задана по опубликованной методике и дате; настройки отдельного запуска не подтверждены.

Стандартная ошибка: ±1,87 п. п.Epoch AI, Capabilities & benchmarking (epoch.ai) ↗CC BY 4.0 ↗15 октября 2026
88,57
HLE-Diamond%
УсловияРежим: xhigh effort, no tools

variant: xhigh effort, no tools; Overall answer accuracy on the 1,000-question HLE-Diamond set, without tools; Scale AI leaderboard. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
26,1
Humanity's Last Exam%
УсловияРежим: xhigh effort, with tools

variant: xhigh effort, with tools; HLE answer accuracy; Meta internal runs with bash/browser and a website blocklist. Exact question subset not specified. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
61
IntPhys2%
УсловияРежим: xhigh effort

variant: xhigh effort; Accuracy under the official violation-of-expectation protocol on the main split of 1,012 videos. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
68,3
JobBenchscore ×100
УсловияРежим: xhigh effort

variant: xhigh effort; Mean task weighted rubric score ×100 over 65 tasks; not a task pass rate. JobBench scoring methodology. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
61,8
MCP Atlas%
УсловияРежим: xhigh effort

variant: xhigh effort; Task pass rate: mean claim coverage >=0.75; Scale AI evaluation harness and scoring pipeline. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
89,2
OSWorld-Verifiedreward ×100
УсловияРежим: xhigh effort

variant: xhigh effort; Mean per-task reward ×100, averaged over four attempts; 361-task split, 200-step limit, 1920×1080 GUI. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
80,4
OTIS Mock AIME 2024–2025%
УсловияРежим: xhighНабор: OTIS Mock AIME 2024-2025Среда: Epoch AI internal runs

Собственный прогон Epoch AI; mean_score × 100 (scale 1.0). Сопоставимость с другими прогонами не подтверждена.

Стандартная ошибка: ±1,25 п. п.Epoch AI, Capabilities & benchmarking (epoch.ai) ↗CC BY 4.0 ↗15 октября 2026
98,06
SimpleQA Verified%
УсловияРежим: xhighНабор: SimpleQA VerifiedСреда: Epoch AI internal runs

Собственный прогон Epoch AI; mean_score × 100 (scale 1.0). Общая группа задана по опубликованной методике и дате; настройки отдельного запуска не подтверждены.

Стандартная ошибка: ±1,57 п. п.Epoch AI, Capabilities & benchmarking (epoch.ai) ↗CC BY 4.0 ↗15 октября 2026
56,6
SimpleVQA%
УсловияРежим: xhigh effort, with tools

variant: xhigh effort, with tools; Raw answer accuracy over 2,024 English/Chinese questions, averaged over five runs; tools enabled. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
73,6
Toolathlon-Verified%
УсловияРежим: xhigh effort

variant: xhigh effort; Pass@1 on Toolathlon-Verified; official Toolathlon evaluation service with the model API. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
72,8
Video-MME%
УсловияВерсия: 2Режим: xhigh effort

version: 2; variant: xhigh effort; Video-MME v2 grouped accuracy, 0-shot on 800 videos/3,200 questions; subtitles in prompt, no audio. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
61,5
WorldVQA%
УсловияРежим: xhigh effort, with tools

variant: xhigh effort, with tools; Mean question-level accuracy on the 3,000-question headline subset, excluding Notable People; tools enabled. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
49,4
ZeroBench%
УсловияРежим: xhigh effort, with tools

variant: xhigh effort, with tools; Questions with at least one correct response among five samples, 100 questions; tools enabled. Verified against https://research.meta.ai/static/muse-spark-open-evaluation-methodology

Источник ↗15 октября 2026
50