自建 autoresearch 编码榜:开源最佳但平平,Muse Open 远逊承诺

Josh Purtell 分享其自建的 autoresearch 编码基准：开源模型覆盖较全面但整体表现乏善可陈，Muse Open 被批远逊宣传承诺。闭源参照仅收录通过 Codex 订阅运行的 OpenAI 模型，另收录 Muse Spark 1。作者解释称用 Claude 订阅跑评测涉嫌违反 Anthropic 条款，因此「不敢碰」，导致闭源部分覆盖有限。

2026-11-07 ~ 2026-11-07 · 2 条相关