Muse Spark — модель для тех, кому важнее верхний уровень качества и сложное рассуждение, чем минимальная стоимость каждой операции. В срезе COMRAD404 от 31 августа 2026 года она занимает 4-е место с COMRAD Score 91,7 из 100. Главный аргумент в пользу модели — сочетание высоких оценок качества, пользовательского предпочтения и кодинга. Главный контраргумент — эффективность 52,0 из 100, отсутствие данных о скорости ответа и закрытая лицензия Meta.
Коротко
Muse Spark разработана Meta и относится к проприетарным reasoning-моделям с мультимодальными возможностями. В официальном анонсе от 8 апреля 2026 года Meta описывает её как нативно мультимодальную модель с поддержкой использования инструментов, визуального рассуждения и оркестрации нескольких агентов. Эти сведения характеризуют заявленные возможности разработчика, но не заменяют независимое тестирование на конкретном рабочем процессе. ([ai.meta.com](https://ai.meta.com/blog/introducing-muse-spark-msl/))
- Кому подходит: разработчикам, исследователям, аналитикам и командам, которым нужны сложные ответы, работа с изображениями и длинным контекстом.
- Кому не подходит: тем, кто выбирает модель прежде всего по минимальной цене, хочет запускать её локально или требует подтверждённой скорости генерации.
- Ключевой вывод: это модель с очень сильным качественным профилем, но не универсальный выбор по совокупной экономике.
Паспорт модели
| Параметр | Значение в срезе 31 августа 2026 года |
|---|---|
| Модель | Muse Spark |
| Разработчик | Meta |
| Лицензия | Proprietary |
| Open weights | Нет |
| Reasoning | Да |
| Preview | Нет |
| COMRAD Score | 91,7 из 100 |
| Место в COMRAD404 | 4 |
| Artificial Analysis Intelligence Index | 56,8 |
| LMArena Text rating | 1488,4 |
| Контекст | 1 048 576 токенов |
| Цена входа / выхода | $1,25 / $4,25 за 1 млн токенов |
COMRAD Score и пять суббаллов в этой статье — нормализованные редакционные оценки по шкале от 0 до 100. Они не являются процентом правильных ответов или гарантией качества. Artificial Analysis Intelligence Index имеет собственную шкалу, а LMArena rating — статистический рейтинг по слепым попарным сравнениям. Смешивать эти показатели между собой нельзя.
Место в рейтинге
В выпуске COMRAD404 2026 H2 Muse Spark находится на 4-й позиции. Полный контекст места и методику выпуска можно посмотреть в рейтинге COMRAD404. Позиция объясняется не одной удачной цифрой, а структурой итоговой оценки: качество имеет вес 0,40, человеческое предпочтение — 0,30, кодинг — 0,15, эффективность — 0,10, доступ — 0,05.
Если перемножить суббаллы на эти веса, получается 91,71, что после округления даёт 91,7. Поэтому модель получает высокий итог даже при заметно более слабой эффективности: три наиболее значимых компонента находятся на уровне 94,4–100,0, тогда как эффективность опускается до 52,0. Это важная особенность профиля. Muse Spark не выглядит моделью, которую выбирают только за дешевизну или быстроту; её место обеспечивают качество результата и устойчивое впечатление от ответов.
При этом 4-е место COMRAD404 не означает, что модель будет лучшей в любой задаче. Рейтинг агрегирует несколько измерений и использует редакционные веса. Для проекта с большим потоком коротких запросов стоимость и задержка могут быть важнее разницы в качестве. Для исследовательского анализа, сложного кода или работы с неоднозначными инструкциями приоритеты могут быть обратными.
Что именно измеряют внешние метрики
В паспорте указано значение Artificial Analysis Intelligence Index 56,8. В поле паспорта отмечено, что это не estimated-оценка. Показатель представляет собой отдельный композитный индекс Artificial Analysis, а не процент решённых задач и не суббалл COMRAD404. Внешний источник измеряет модели по набору специализированных оценок, однако для этой статьи используется только число из переданного паспорта, зафиксированное на дату среза.
LMArena Text rating Muse Spark составляет 1488,4, место — 11, число голосов — 13 574. Это результат слепых попарных сравнений пользовательских ответов: рейтинг отражает относительное предпочтение участников арены, а не долю правильных ответов. Поэтому его разумно читать как сигнал о воспринимаемом качестве диалога, следовании инструкции и стиле ответов, но не как замену отраслевому тесту на точность. Страница Text Arena публикует рейтинг, место и число голосов в отдельной таблице. ([lmarena.ai](https://lmarena.ai/leaderboard/text))
Данных о LMArena Code rating и LMArena Code rank в паспорте нет. Это не противоречит редакционному coding-суббаллу 100,0: суббалл COMRAD404 является нормализованной редакционной оценкой, а отсутствие отдельной аренной метрики означает, что нельзя подменять один показатель другим.
Разбор пяти суббаллов
| Суббалл | Оценка | Вес | Что это означает для выбора |
|---|---|---|---|
| Качество | 94,4 | 0,40 | Сильная сторона профиля и главный вклад в итоговый результат. |
| Человеческое предпочтение | 100,0 | 0,30 | Модель получила максимальную редакционную оценку по пользовательскому восприятию в используемой системе. |
| Кодинг | 100,0 | 0,15 | Сигнал в пользу задач разработки, ревью и генерации технических решений. |
| Эффективность | 52,0 | 0,10 | Зона риска для проектов, где важны цена, пропускная способность и предсказуемое время ответа. |
| Доступ | 75,0 | 0,05 | Доступность оценивается как хорошая, но не максимальная; условия зависят от канала и провайдера. |
Качество 94,4. Это не обещание безошибочности, а высокая нормализованная оценка редакционного набора. Её следует воспринимать как основание включить Muse Spark в короткий список для сложных задач, а не как разрешение отказаться от проверки фактов.
Человеческое предпочтение и кодинг по 100,0. Такие значения делают профиль особенно привлекательным для интерактивной работы: диалогового анализа, уточнения требований, написания и переработки кода. Но максимальный суббалл не раскрывает, на каких именно типах задач модель уступает или ошибается. Для production-процесса всё равно нужны собственные тесты на репозитории, доменной терминологии и формате выдачи.
Эффективность 52,0. Это самая заметная слабость. Важно не трактовать её как прямую скорость генерации: в паспорте скорость и время до первого токена отсутствуют. Суббалл лишь говорит, что в редакционной совокупности цена, практическая отдача и доступность не усиливают профиль так же, как качество и предпочтение.
Доступ 75,0. Оценка выше среднего, но не максимальная. Для закрытой модели доступ определяется конкретным продуктом, API-провайдером, регионом, лимитами и режимом рассуждения. Не следует превращать её в обещание постоянной доступности.
Возможности и сценарии
Официальная страница Meta заявляет для Muse Spark нативную мультимодальность, reasoning, использование инструментов и оркестрацию нескольких агентов. В материалах Meta также показаны сценарии визуального STEM-анализа, распознавания объектов, локализации элементов изображения и создания интерактивных веб-прототипов. Это официальные заявления и демонстрационные направления разработчика, а не независимая гарантия одинакового результата на всех входных данных. ([ai.meta.com](https://ai.meta.com/blog/introducing-muse-spark-msl/))
Работа с документами и визуальными данными
Модель имеет смысл проверять там, где текст связан с изображением, схемой, скриншотом или таблицей. Практические задачи — разбор интерфейса, объяснение структуры диаграммы, поиск несоответствий в технической иллюстрации, подготовка инструкции по фотографии оборудования. Сильный сценарий строится не вокруг вопроса что изображено, а вокруг цепочки: извлечь факты, связать их с требованиями, перечислить неопределённости и выдать проверяемый план действий.
Кодинг и прототипирование
Редакционный coding-суббалл 100,0 делает Muse Spark кандидатом для генерации компонентов, ревью pull request, поиска причин ошибок и подготовки тестов. Наиболее полезно давать модели не только формулировку задачи, но и критерии приёмки, ограничения среды, версии зависимостей и набор уже известных ошибок. Для фронтенд-прототипов можно добавить скриншот или запись поведения интерфейса, а затем потребовать от модели перечислить, какие решения она приняла по визуальным признакам, а какие — предположила.
Рассуждение и агентные цепочки
Reasoning-функция делает модель подходящей для задач с несколькими зависимыми шагами: сравнить варианты, разобрать условия договора, построить план миграции, сформировать процедуру диагностики или распределить подзадачи между инструментами. В агентном режиме главным ограничением становится не только интеллект модели, но и качество обвязки: права инструментов, журналирование, откат действий, защита секретов и обработка prompt injection.
Здоровье и чувствительные темы
Meta отдельно описывает работу с оздоровительными сценариями и подготовку данных при участии врачей. Это может быть полезно для объяснения терминов, разбора состава продукта или подготовки вопросов к специалисту. Однако модель не заменяет врача, анализы и клинические рекомендации. Любой ответ о симптомах, лекарствах, дозировках или неотложных состояниях нужно проверять по авторитетным медицинским источникам.
Цена и скорость
В паспорте указана цена $1,25 за 1 млн входных токенов и $4,25 за 1 млн выходных токенов. Это разные единицы тарификации: вход оплачивает переданный контекст, выход — сгенерированный ответ, включая возможные reasoning-токены в зависимости от условий провайдера. Цена не является постоянной характеристикой самой модели: она может зависеть от API-провайдера, кэширования, режима и коммерческих условий.
Для ориентира, запрос на 100 000 входных и 20 000 выходных токенов при буквальном применении этих тарифов дал бы около $0,21 до учёта особенностей конкретного API. Это только арифметический пример, а не обещание фактического счёта. В реальном проекте следует отдельно учитывать повторное использование контекста, скрытые токены рассуждения, минимальные объёмы биллинга и лимиты.
Значения output tokens per second и time to first token в паспорте отсутствуют. Поэтому нельзя честно назвать Muse Spark быстрой или медленной, а также нельзя обещать определённую задержку ответа. Для интерактивного продукта эти показатели нужно измерить на выбранном провайдере и в том же режиме, который будет использоваться в эксплуатации.
Контекст составляет 1 048 576 токенов. Большой лимит полезен для репозиториев, длинных документов и многошаговых диалогов, но сам по себе не гарантирует одинаковую точность в начале и конце огромного контекста. Проверять нужно не только вместимость, но и способность модели находить нужный фрагмент, не терять ограничения и не смешивать версии данных.
Доступ, лицензия и версии
Muse Spark имеет проприетарную лицензию, а open weights в паспорте отмечены как отсутствующие. Это означает, что модель нельзя рассматривать как пакет весов для самостоятельного развёртывания или как открытое программное обеспечение. Даже если к ней можно обращаться через API или пользовательский продукт, права на использование, хранение данных, лимиты и коммерческие условия определяются договором соответствующего сервиса.
В официальном анонсе первого выпуска Meta указывала доступность через meta.ai и приложение Meta AI, а также частный API-preview для избранных пользователей. В этом профиле не делается вывод о неизменности такого доступа: дата среза — 31 августа 2026 года, а состояние API и тарифы могут меняться. ([ai.meta.com](https://ai.meta.com/blog/introducing-muse-spark-msl/))
Важно не смешивать базовую Muse Spark с Muse Spark 1.1 и более поздними версиями. У Meta есть отдельный официальный материал о Muse Spark 1.1; он описывает другой выпуск и не используется для восстановления характеристик модели из этого паспорта. ([ai.meta.com](https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/))
Ограничения
- Средняя уверенность паспорта. Поле confidence имеет значение средняя, поэтому итоговую оценку следует воспринимать как редакционный ориентир, а не как окончательный вердикт для любого проекта.
- Нет аренной кодовой метрики. LMArena Code rating и rank не указаны. Максимальный coding-суббалл не отменяет необходимость проверить модель на собственном коде.
- Нет измерений скорости. Отсутствуют output tokens per second и time to first token. Нельзя планировать UX и SLA на основе цены или большого контекста.
- Закрытая модель. Нет open weights, локальный запуск и независимый аудит весов не предусмотрены паспортом.
- Версионная неопределённость. Названия Muse Spark, Muse Spark 1.1 и последующих выпусков нельзя использовать как взаимозаменяемые обозначения.
- Риск агентных атак. В safety report Meta отмечает у модели уязвимость к адаптивным jailbreak-атакам и prompt injection в агентных сценариях. Это особенно важно, если модель получает доступ к почте, браузеру, файловой системе или рабочим инструментам. ([ai.meta.com](https://ai.meta.com/static-resource/muse-spark-safety-and-preparedness-report/))
- Официальные тесты имеют границы. Safety report отражает позицию и методику разработчика. Он полезен для понимания раскрытых рисков, но не заменяет red team-тестирование вашей конкретной интеграции.
Как проверить на своей задаче
Начните не с общего вопроса какая модель лучше, а с набора из 30–50 реальных задач. Разделите их на четыре корзины: обычные пользовательские запросы, сложное рассуждение, кодинг и мультимодальные входы. Для каждой задачи заранее запишите эталон, допустимые ошибки, максимальный бюджет и время, после которого ответ считается непригодным.
- Зафиксируйте входные данные. Используйте реальные обезличенные документы, изображения, фрагменты кода и инструкции. Не меняйте формулировку между прогонами без отдельной пометки.
- Проверьте воспроизводимость. Запустите каждую задачу несколько раз. Отдельно отметьте правильный ответ, полезный ответ с мелкими огрехами, уверенную ошибку и отказ.
- Измерьте экономику. Запишите число входных и выходных токенов, фактическую стоимость, длину ответа и количество повторных запросов. Для reasoning-модели полезно считать стоимость решения, а не только цену одного вызова.
- Измерьте задержку. Зафиксируйте time to first token, время до первого полезного фрагмента и полное время ответа. Этих данных в паспорте нет, поэтому их нужно получить у конкретного провайдера.
- Проверьте длинный контекст. Разложите ключевые факты в начале, середине и конце большого документа, добавьте конфликтующие версии и попросите модель сослаться на источник каждого вывода.
- Протестируйте инструменты отдельно. Дайте модели безопасный mock-инструмент с намеренно неоднозначным результатом. Оцените, задаёт ли она уточняющие вопросы, ограничивает ли права и корректно ли обрабатывает вредоносную инструкцию внутри данных.
- Сравните с вашим baseline. Сопоставляйте не абстрактные рейтинги, а долю задач, которые проходят ваши критерии, стоимость успешного результата и число ручных исправлений.
Для кодинга полезен сценарий из трёх шагов: исправить баг, написать тест и объяснить риск регрессии. Для мультимодальности — изображение интерфейса с двумя специально добавленными неоднозначностями. Для агентного режима — задача с изменением требований на середине процесса. Такой набор быстрее показывает реальные сильные и слабые стороны, чем демонстрационный промпт.
Итоговый выбор
Muse Spark стоит выбирать, если проекту нужны высокий уровень рассуждения, сильное пользовательское восприятие, кодинг и большой контекст, а команда готова оплачивать более дорогой выход и самостоятельно контролировать задержки. Это особенно разумный кандидат для сложного помощника разработчика, анализа документов, визуально-текстовых рабочих процессов и прототипов с инструментами.
Модель не стоит выбирать вслепую для массового сервиса, где основным KPI является минимальная стоимость или строгий latency-бюджет. Низкая относительно остальных суббаллов эффективность, отсутствие паспортных измерений скорости и закрытая лицензия требуют пилота. Итоговый вердикт COMRAD404: сильная модель верхнего эшелона для качественных и технических задач, но её экономическую пригодность нужно доказывать на собственной нагрузке.
FAQ
Какое место занимает Muse Spark в рейтинге COMRAD404?
Muse Spark занимает 4-е место в выпуске COMRAD404 2026 H2. Её COMRAD Score составляет 91,7 из 100.
Что означает COMRAD Score 91,7?
Это нормализованная редакционная оценка по шкале от 0 до 100. Она рассчитана из пяти суббаллов с заданными весами и не является процентом правильных ответов.
Есть ли у Muse Spark открытые веса?
Нет. В паспорте указано open weights: false, а лицензия обозначена как Proprietary. Поэтому модель нельзя считать открытым программным обеспечением или планировать её локальный запуск на основе доступных весов.
Сколько стоит Muse Spark?
В зафиксированном паспорте указано $1,25 за 1 млн входных токенов и $4,25 за 1 млн выходных токенов. Фактические условия зависят от API-провайдера и режима.
Известна ли скорость ответа Muse Spark?
Нет. В срезе нет данных об output tokens per second и time to first token. Эти показатели нужно измерить самостоятельно у выбранного провайдера.
Можно ли считать LMArena rating процентом качества?
Нет. Значение 1488,4 — статистический рейтинг по слепым попарным сравнениям, а не процент правильных ответов. В паспорте также указаны 11-е место и 13 574 голоса в Text Arena.
Есть ли у Muse Spark отдельный рейтинг в LMArena Code?
Нет. Поля lmarena_code_rating и lmarena_code_rank в паспорте не заполнены. Coding-суббалл COMRAD404 100,0 не следует подменять отсутствующей аренной метрикой.
Источники
Факты о рейтинге и числовые значения в статье взяты из переданного паспорта модели со срезом на 31 августа 2026 года. Внешние материалы использованы для проверки официального описания, версии и методики.
- Artificial Analysis: LLM Leaderboard — benchmark; общая методика и поля Intelligence Index, цены, скорости и контекста, применённые в паспорте.
- LMArena Text Leaderboard — benchmark; Text Arena rating, место и число пользовательских голосов.
- Introducing Muse Spark: Scaling Towards Personal Superintelligence — official; название, разработчик, официально заявленные reasoning, мультимодальность, инструменты и агентная оркестрация.
- Muse Spark Safety & Preparedness Report — official; раскрытые разработчиком результаты safety-оценок и ограничения в области jailbreak и prompt injection.
- Muse Spark Eval Methodology — official; методологический контекст опубликованных Meta оценок.
- Introducing Muse Spark 1.1 — official; используется только для разграничения базовой Muse Spark и отдельной версии 1.1.