AREX Feed Article
Vals AI 评测称 Muse Spark 1.3 Max 与 Fable 5、GPT-5.6 Sol 持平，单任务成本低 4～8 倍
位于旧金山、自称「Public LLM Evaluation」的评测平台 Vals AI，于 9 月 6 日 18:15 UTC（北京时间 9 月 7 日凌晨 2:15）发布评测称：Meta 的 Muse Spark 1.3 Max 推理档在 Vals Index 上的表现与 Anthropic 的 Claude Fable 5、OpenAI 的 GPT-5.6 Sol 持平，单次任务成本低 4～8 倍（原文称 4x - 8x cheaper）。发布 43 秒后，Meta 官方 AI 账号 AI at Meta（@AIatMeta）转推了这条结论。
这份评测针对的正是刚上线的新档位：Muse Spark 1.3 于 9 月 2 日发布，当时 Meta 官方称 max 推理档要等；，max 档才在 Muse Code 与 Meta Model API 上线。Vals AI 出分时，这个档位公开上线还不满两天。
榜单第 5 名：64.53 分，每任务 3.40 美元
Vals 原帖配图是 Vals Index 的榜单截图。该榜单自称按 GDP 加权（GDP-weighted benchmark），截图顶部显示共收录 55 个系统。
截图里 Muse Spark 1.3 Max 排第 5：准确率 64.53%（±1.23），单次测试成本 3.40 美元；第 4 名 Claude Fable 5 是 66.04%（±1.03）、28.73 美元；第 6 名 GPT-5.6 Sol 是 63.71%（±1.06）、13.79 美元。按这组价格算，Fable 5 的单次测试成本约为 Muse 的 8.4 倍，GPT-5.6 Sol 约为 4 倍，与 Vals 声称的「便宜 4～8 倍」一致。
Vals 的「持平」对标的是第 4 名的 Fable 5，不是榜首：Claude Fable 5.1 以 68.83% 列第一，领先 Muse 4.3 分。64.53 分夹在 Fable 5 与 GPT-5.6 Sol 之间，与两者的差距分别是 1.5 分和 0.8 分。
同榜另有一行不带 Max 标注的 Muse Spark 1.3，排第 9：60.31%，单次测试 2.90 美元。两行的 token（词元）价格相同，都是输入 1.25 美元、输出 4.25 美元，差别在于每次测试多花约 0.5 美元、准确率高出 4.2 个百分点。
把这次成绩记录为 64.53% ±1.23、单次测试 3.404 美元，上下文窗口 1M，权重标注为不公开（Private）。
Code Migration 从 29.4% 到 42.2%
，Vals AI 宣布把 Muse Spark 1.3 收录进 Vals Index，排名从第 16 升至第 8，并称排在它上面的每个模型，单任务成本都是它的 2～10 倍。
在里，Vals 补充说，Muse Spark 的发布轨迹显示模型在向长程智能体（agentic）工作流倾斜：早期版本擅长简单、定义清晰的任务，在长程、多步任务上偏弱。
1.3 在 Code Migration 任务上从 29.4% 升至 42.2%；在 Vibe Code Bench 上排第 6，50 个全栈应用里 17 个无瑕疵完成，每个应用成本约 2.10 美元，而排在它前面的五个模型需要 33～42 美元。
9 月 5 日的帖子只写了「Muse Spark 1.3」，没有标注推理档；随即提醒 Vals：「试试 Muse Spark 1.3 Max——不是 xhigh」，那是 Meta 几小时前刚上线的档位。
，在模型名后明确标出了（Max）。
Meta 官方转推只有原文
9 月 6 日 18:16:33 UTC，。转推没有附加任何评语或新数据，内容就是 Vals 那句话本身：它能说明 Meta 官方在放大这条第三方结论，但对数字的准确性没有表态。
该账号在 X 上有约 84.6 万关注者。截至 9 月 7 日下午（北京时间），Vals 的这条评测帖已累计约 12 万次查看、550 余次点赞。
「持平」与「便宜」的两本账
对「持平」的追问集中在榜单顶端。 对照数字后写道：「64.55 对 68.85，和 Fable 5.1 并不真的持平；说实话更接近 GPT-5.6 Sol 的 63.71。」 则写道：「不过是追平了基准分数，仅此而已。」
自称前微软员工、正在做生产级 agentic AI 系统的 持相反判断：「用低 4～8 倍的成本追平前沿基准，真正的账就变了：大多数生产环境里的 agent 不需要最强的模型，需要的是能过线的那款里最便宜的。」
成本差可以拆成两笔账。第一笔是标价：Muse 的 token 输入/输出价格为 1.25/4.25 美元，Fable 5 为 10/50 美元，GPT-5.6 Sol 为 4/20 美元。
第二笔是用量：Muse 跑完一轮 Vals Index 测试耗时 20 分 30 秒，短于 Fable 5 的 37 分 51 秒和 GPT-5.6 Sol 的 32 分 24 秒。
但这两笔账都算在 Vals 自己的任务集上：Vals 在自称所有评测自营、多数基准自建，任务集中在金融、软件，以及网络安全、递归自我改进等「有经济价值」的领域。榜单上的分数与成本，只对这套任务集成立。
这份成绩单的证据边界到此为止：榜单与模型页公开可查，任务与基准由 Vals 自建，Meta 的转推没有为任何数字作保。「持平」和「便宜」目前是 Vals 账本上的一行记录，账本公开，可以被任何人复核，也可以由任何别的评测方重新算一遍。