Meta 发布 Muse Spark 1.3，智能指数逼近 Claude 与 GPT-5.6

Meta 的模型迭代速度，最近有点让人眼花。Muse Spark 1.3 是短短五个月里的第四个版本，而这个节奏本身就值得记一笔。两个变体的数据分别来自 Meta 首席 AI 官 Alexandr Wang 和独立观察者 Kim 的披露：max 变体（目前是合作伙伴限时预览）在 Artificial Analysis 的 Intelligence Index 上拿到 62 分，xhigh 变体 61 分。放在榜单坐标里，这个分数已经贴到了 Claude 和 GPT-5.6 的附近——虽然还没反超，但"逼近"二字用在这里不算夸张。更值得看的不是单个分数，而是趋势斜率：五个月四个大版本，说明 Meta 在训练效率和后训练流程上已经能把迭代周期压得很短。

对处在第一梯队的 OpenAI、Anthropic 来说，这种"高频小步快跑"的打法是个真实的威胁。它未必每次都赢，但持续给对手的定价和发布节奏施压——当追赶者每六周就追近一截，领先者就不敢躺在榜首睡大觉。这其实和手机圈的"机海战术"有异曲同工之处：用密集的版本更新维持市场热度，同时靠真实的能力爬坡缩小差距。Meta 过去在开源 Llama 系列上已经证明了"免费且持续迭代"的打法能抢下大量开发者心智，Muse Spark 如果沿着同一条路走，闭源阵营的护城河会被进一步侵蚀。

不过也有两点要泼冷水。其一，这类横向指数多为综合得分，不同基准的权重差异很大，单看一个总分容易被带节奏；1.3 在智能体与科学推理上的真实体验，还得等第三方在真实任务上跑出来。其二，max 变体仍是"限时预览"，意味着它离普遍可用还有距离，分数好看和人人用得上之间隔着一道产能与成本的门槛。模型发布和模型可用是两回事，前者看的是演示和跑分，后者看的是推理集群的供给、API 的稳定性和单位成本——这几样恰恰是最难在一条推文里讲清楚、也最决定商业成败的部分。

对技术选型者，Muse Spark 系列的态度可以是"保持关注、谨慎接入"：把它放进你的模型评测矩阵，用自己场景的样本定期跑，但别因为一次指数领先就急着把生产流量切过去。尤其是金融、医疗这类对稳定性要求极高的场景，等 max 变体正式开放、第三方评测铺开、并且你能拿到稳定的 SLA 之后，再考虑纳入生产。跑分是给工程师看的兴奋剂，生产决策得靠自己业务样本上的对照实验。

把 Muse Spark 的节奏放回"开源 vs 闭源"的拉锯里看，Meta 的意图其实很清晰：它想用"高频、免费、持续变强"的组合，把开发者的默认选择从闭源 API 慢慢拉向自己的生态。过去一年里，Llama 系列已经证明了开源模型能抢下相当大一块心智份额，而 Muse Spark 如果沿着同样的路走，闭源阵营靠"能力领先半年"建立的护城河会被持续侵蚀——因为当追赶者每六周就追近一截，领先者的窗口期越来越短。这对整个行业的定价逻辑也有影响：如果第一梯队的模型能力差距被压缩到"感知不明显"的程度，客户续费时就会更看重价格、生态和合规，而不是单纯比谁分数高。Meta 这步棋，赌的正是"迭代速度"本身能成为竞争力。