--- title: "Meta的Muse模型登顶Scale AI新基准，而“裁判”由Meta持股49%" description: "Scale AI自2025年被Meta以143亿美元收购49%股权以来，发布了一项基准测试，Meta的Muse模型包揽第一、第二和第三名；OpenAI、谷歌和Anthropic均拒绝为该评测背书。" publisher: "The Inference" section: "Frontier" published: 2026-10-15T17:24:38.830Z modified: 2026-10-15T17:24:38.830Z canonical: https://theinference.org/article/meta-s-muse-models-top-the-new-scale-ai-benchmark-the-referee-is-49-meta-owned/zh-CN language: zh-CN keywords: "Meta, Scale AI, Benchmarks, AI Safety, Muse" --- # Meta的Muse模型登顶Scale AI新基准，而“裁判”由Meta持股49% > Scale AI自2025年被Meta以143亿美元收购49%股权以来，发布了一项基准测试，Meta的Muse模型包揽第一、第二和第三名；OpenAI、谷歌和Anthropic均拒绝为该评测背书。 ## Meta的143亿美元究竟买到了什么 2025年6月30日，[Meta](https://theinference.org/markets/companies/meta)以143亿美元购入[Scale AI](https://theinference.org/markets/companies/scale-ai)49%的股权，对这家数据与评测公司的估值接近290亿美元；同日，Meta聘请Scale AI联合创始人[亚历山大·王](https://theinference.org/markets/people/alexandr-wang)（Alexandr Wang）出任首席人工智能官，执掌Meta超级智能实验室[1]。王卸任Scale AI首席执行官，但留任董事长[2]。Meta留下的，是全行业的“阅卷人”：[Scale AI自己的新闻稿](https://finance.yahoo.com/technology/ai/articles/scale-ai-appoints-francis-desouza-140000507.html)称，公司的数据引擎支撑着大多数主流前沿实验室的模型研发，同时服务于美国政府和《财富》500强企业[2]。 ## “阅卷人”发榜，股东的模型排名第一 10月8日，[Scale AI发布DistressBench](https://labs.scale.com/leaderboard/distressbench)评测基准：718段危机对话由19名持证临床医生和心理咨询师撰写，按6901条经临床医生加权的评分标准打分[3][4]。将25个前沿模型的表现汇总来看，在模型已满足识别自杀或自残危机全部标准的对话中，仍有35.3%未能将用户转介给真人求助[3]。表现最好的模型完成了88.4%的必要照护，中位数模型为71.4%，临床医生参考回复则达到98.7%[3]。榜单前三名均属于Meta的Muse系列模型[3]。 *Chart: **没有任何模型接近临床医生的照护水平** 柱状图：比较DistressBench最佳模型（88.4%）、前沿模型中位数（71.4%）和临床医生参考回复（98.7%）的必要照护提供比例。* *汇总25个前沿模型在Scale AI DistressBench上的表现，展示每条回复满足临床医生赋权标准权重的占比；上限由临床医生参考回复划定。Scale AI DistressBench，2026年10月。 [3]* *Chart: **Meta的Muse系列模型包揽Scale AI DistressBench前三** 条形图：按Scale AI DistressBench加权评分量表得分对六个前沿模型排名，Meta的三款Muse系列模型位居前三，领先OpenAI、Anthropic和谷歌的模型。* *加权评分量表得分：每条回复满足临床医生赋权标准权重的占比，在718段临床医生撰写的危机对话上取平均，每项任务运行三次。Scale AI DistressBench排行榜，2026年10月；为公司研究，未经同行评审。 [3]* ## OpenAI、谷歌和Anthropic均拒绝背书 [OpenAI](https://theinference.org/markets/companies/openai)称[“没有足够证据对该研究作出全面评估”](https://time.com/article/2026/10/09/chatbots-suicide-research/)；谷歌不予置评；[Anthropic](https://theinference.org/markets/companies/anthropic)未予回应[4]。这套评测方法披露得异常详尽：评审组由Anthropic、[谷歌](https://theinference.org/markets/companies/alphabet)和Meta的三个模型组成，从455种可能搭配中对照2908条临床医生标注遴选而出，与临床医生判断的一致性达到科恩κ系数（Cohen's κ）0.732[3]。Scale自己也警告，高分“并不意味着可以将其部署为心理健康产品”；该基准仅限英语，且围绕美国危机热线场景构建[3]。 ## 热传的首席执行官更替消息实为一年前旧闻 本周流传的一则报道称，随着亚历山大·王转投Meta，Scale将把战略负责人杰森·德罗格（Jason Droege）提拔为首席执行官[5]。可这说的是2025年6月的旧事：德罗格自那时起便以临时首席执行官身份执掌Scale，而Scale在2026年7月30日的公告中宣布，任命曾任职于谷歌云和[因美纳](https://theinference.org/markets/companies/illumina)的弗朗西斯·德索萨（Francis deSouza）为首席执行官，8月10日生效[2]。本周真正的新交易则是一笔“主权”生意：[Scale于10月9日与阿布扎比主权AI（sovereign AI）运营商Presight签署谅解备忘录](https://www.gccbusinessnews.com/scale-ai-presight-sign-mou-to-advance-ai/)，为海湾地区电力、水务、医疗和交通系统的智能体（AI agent）提供评估与治理[6]。 ## 看点：对手是否继续向“裁判”付费 扎克伯格10月12日表示，Meta曾在2025年底、自家模型尚未证明实力之时，[权衡一笔1000亿至2000亿美元的投入](https://www.businessinsider.com/mark-zuckerberg-massive-risk-meta-took-on-ai-2026-10)；首席财务官苏珊·李（Susan Li）当时警告亚历山大·王，一旦失败，财务后果将“非常、非常糟糕”；Meta目前给出的2026年资本开支指引为1300亿至1450亿美元[7]。Muse系列模型9月8日发布，[约两周内下载量超过250万次](https://www.forbes.com/sites/jimosman/2026/09/23/meta-stock-added-200-billion-but-its-new-ai-may-not-scale/)，带动Meta股价单日大涨11%，市值增加约2000亿美元[8]。这场赌局中，市场已经为Meta一方定了价；OpenAI、谷歌和Anthropic是否[继续向竞争对手部分持股的“裁判”提交模型参评](https://theinference.org/article/scale-ai-cut-89-tasks-from-its-coding-benchmark-after-an-audit-found-gaming-then-graded-its-own-fix)，才是真正的风向标。 ## Takeaway 在Meta持股49%的Scale AI新发布的心理危机干预基准DistressBench上，Meta的Muse模型排名第一；对手们是否会继续向这家由竞争对手部分持股的“裁判”送评模型，才是真正的考验。 ## Sources 1. [Crypto Briefing, "Alexandr Wang's run at Meta Superintelligence Labs draws a fresh endorsement", Oct. 13, 2026](https://cryptobriefing.com/alexandr-wang-meta-superintelligence-labs-leader/) 2. [PR Newswire via Yahoo Finance, "Scale AI Appoints Francis deSouza as CEO to Lead Next Phase of Company's Growth", July 30, 2026](https://finance.yahoo.com/technology/ai/articles/scale-ai-appoints-francis-desouza-140000507.html) 3. [Scale AI, DistressBench leaderboard and methodology, labs.scale.com, October 2026](https://labs.scale.com/leaderboard/distressbench) 4. [TIME, Naomi Nix, "AI Chatbots Often Fail To Help Users in Mental-Health Crisis", Oct. 9, 2026](https://time.com/article/2026/10/09/chatbots-suicide-research/) 5. [CEO Frontier, "Scale AI Names Droege as CEO as Founder Wang Heads to Meta", undated, collected Oct. 15, 2026](https://www.ceofrontier.com/articles/scale-ai-taps-droege-as-ceo-as-founder-wang-heads-to-meta-472ab53f) 6. [Gulf Business News, "Scale AI, Presight sign MoU to advance AI evaluation, governance", Oct. 9, 2026](https://www.gccbusinessnews.com/scale-ai-presight-sign-mou-to-advance-ai/) 7. [Business Insider, Katherine Li, "Meta was prepared to write an up to $200 billion AI check before knowing whether its model would work", Oct. 12, 2026](https://www.businessinsider.com/mark-zuckerberg-massive-risk-meta-took-on-ai-2026-10) 8. [Forbes, Jim Osman, "Meta Stock Added $200 Billion But Its New AI May Not Scale", Sept. 23, 2026](https://www.forbes.com/sites/jimosman/2026/09/23/meta-stock-added-200-billion-but-its-new-ai-may-not-scale/) --- Meta的Muse模型登顶Scale AI新基准，而“裁判”由Meta持股49% — The Inference. Canonical: https://theinference.org/article/meta-s-muse-models-top-the-new-scale-ai-benchmark-the-referee-is-49-meta-owned/zh-CN