Meta выпустила Muse Spark 1.2 — третью по счёту модель семейства Muse Spark с апреля 2026 года. Прогресс за это время получился одним из самых крутых среди всех лабораторий: дебютная версия набрала 43 балла по индексу Artificial Analysis Intelligence Index, Muse Spark 1.1 месяц назад подняла планку до 51, а новая версия дошла до 54 — это агрегированная оценка по девяти независимым бенчмаркам, от математики и кода до агентных задач.
Результат ставит Muse Spark 1.2 в один ряд с Grok 4.5 от xAI — обе модели делят третье место среди американских лабораторий, уступая только Claude Opus 5, Claude Fable 5, GPT-5.6 Sol и китайской Kimi K3. Три месяца назад Meta вообще не фигурировала в топ-5 по этому индексу — теперь компания на равных конкурирует с лидерами.
Прирост в 3 балла между версиями 1.1 и 1.2 почти целиком сосредоточен в агентных способностях. На бенчмарке GDPval-AA v2, который измеряет качество выполнения реальных задач из мира знаниевой работы — от аналитики до юридических документов — рейтинг Elo модели подскочил с 1371 до 1631 пунктов, то есть почти на 260 пунктов за один релиз. Для сравнения — это соизмеримо со скачком, который обычно занимает у лабораторий несколько месяцев работы над архитектурой.
Технически модель не претерпела революционных изменений: контекстное окно осталось на уровне 1 миллиона токенов, а цена — $1,25 за миллион входных токенов и $4,25 за выходные (с кэшированием — $0,15). Именно соотношение цены к качеству делает Muse Spark 1.2 заметной: по расчётам Artificial Analysis, стоимость решения одной задачи на уровне интеллекта модели составляет $0,40 — против $0,51 у GPT-5.6 Terra (max), $0,86 у Kimi K3 (max) и $1,18 у GPT-5.5 (xhigh).
Для российских компаний, использующих зарубежные модели через API-прокси или локальные развёртывания открытых весов, ускоренный цикл релизов Meta означает более быстрое устаревание конкурирующих решений. Российские разработчики корпоративных ИИ-агентов — от банковских ассистентов до систем поддержки клиентов — регулярно сверяют экономику своих продуктов с ценовыми ориентирами западных моделей: если Meta показывает $0,40 за задачу такого уровня интеллекта, аналогичная планка становится ориентиром и для оценки GigaChat, YandexGPT и MWS AI при выходе на корпоративный рынок.
Кроме того, серия Muse Spark частично строится на открытых весах экосистемы Llama, что делает её ориентиром и для российских компаний, использующих открытые модели для локального инференса под требования 152-ФЗ о персональных данных — в отличие от закрытых API Anthropic или OpenAI, доступ к которым для российских разработчиков ограничен.
Темп, который задала Meta — три модели за четыре месяца с устойчивым ростом качества, — меняет динамику всей отрасли. Ещё год назад крупные лаборатории выпускали флагманские обновления раз в полгода-год; сейчас цикл сжался до нескольких недель, а разрыв между top-5 моделями по интеллекту сократился почти до статистической погрешности. Это ускоряет обесценивание конкурентных преимуществ: продукт, построенный на модели, которая была лидером три месяца назад, сегодня может уступать по экономике и качеству новому релизу конкурента.
Для российского рынка ключевой вывод — конкуренция идёт не только за пиковое качество, но и за стоимость единицы интеллекта. Российским поставщикам ИИ-инфраструктуры и интеграторам стоит следить не за отдельными анонсами, а за тем, как быстро западные лаборатории обновляют соотношение цена/качество: именно оно определяет, насколько конкурентоспособны будут отечественные модели на корпоративном рынке через полгода-год.