Meta（メタ）は8月5日(現地時間)、大規模言語モデル「Muse Spark 1.2」を発表しました。同モデルは「Artificial Analysis Intelligence Index」において54点を獲得し、前バージョンのMuse Spark 1.1（51点）から3ポイント、Muse Spark 1.0（43点）からは11ポイント上昇しました。このスコアは「SpaceXAI」と並び米国のラボの中で3位タイに位置し、「GPT-5.5」（55点）や「Grok 4.5」（54点）と実質的に同等の評価を得ています。
Muse Spark 1.2は、特にエージェンティックな知識作業能力において大幅な向上が見られました。主要な汎用エージェンティック性能指標である「GDPval-AA v2」のEloスコアは1631ポイントに上昇し、260ポイントの改善を記録しています。これにより、ベンチマーク対象の全モデル中5位にランクインし、「Claude Opus 4.8」（1588ポイント）を上回る結果となりました。
エージェンティックなコーディングおよびターミナル利用能力を測るTerminal-Bench v2.1では、前バージョンから2ポイント上昇して80%を達成しました。また、エージェンティックなツール利用を評価する「τ³-Banking」でも2ポイント上昇し27%となりました。さらに、研究レベルの物理推論能力を評価する「CritPt」では3ポイント上昇し18%を記録しています。
コスト効率の面では、Muse Spark 1.2はIntelligence Indexタスクあたり0.40ドルで提供されており、これは同等の知能レベルのモデルの中で最も費用対効果が高い部類に入ります。入力100万トークンあたり1.25ドル、出力100万トークンあたり4.25ドルの価格設定は、前バージョンから変更されていません。
一方、「AA-Omniscience」のスコアは18から22に上昇し、幻覚率（Hallucination Rate）が38%から28%へと10ポイント低下しました。この幻覚率の改善は、不確実な質問への回答試行率が82%から67%へ低下したことが影響していると見られます。
参考: artificialanalysis.ai (アーカイブ) — 2026年8月5日 09:00 (JST)