Muse Spark 1.1基准表现领先

alexandr_wang · x · 2026-07-13

Alexandr Wang 转述了一项新的理论计算机科学/有限模型理论评测结果：Muse Spark 1.1 在该基准上表现优于 Opus、Grok 4.5 和 Gemini。

被引的 benchmark 说明里提到：模型会拿到若干小图，需输出能够同时描述多个图中指定节点性质的一阶逻辑公式；该套评测共有 64 道题，重点考察归纳推理与形式化表达能力。

原文链接 →

「模型」频道最新

• 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
• 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
• ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
• Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
• 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
• 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11

更多「模型」频道 AI 资讯 →