Muse Spark 1.1 基准成绩公布
ArtificialAnlys · x · 2026-07-14
Muse Spark 1.1 在新的 agentic knowledge work 基准 AA-Briefcase 上取得 863 分，整体与 Gemini 3.5 Flash 持平，并排在 NVIDIA Nemotron 3 Ultra 附近。
这套基准测试覆盖大量真实任务输入文件，要求模型产出表格、演示文稿和 UI mock-up，并用三部分综合评分：
- rubric pass rate：客观正确性检查
- analytical quality：分析质量
- presentation quality：呈现质量
结果显示，Muse Spark 1.1 的优势主要来自更强的任务完成度和分析质量；其 rubric pass rate 为 34.5%，高于 GPT-5.5 (xhigh)，略低于 GLM 5.2 (max)。但它在呈现质量上较弱，Presentation Elo 仅 432，比上一版 Muse Spark 还低 67 分，也略低于 Mistral Medium 3.5。
所属事件:Meta Muse Spark 1.1 多项评测出炉，医疗与 Agent 表现亮眼(7 条相关)→
「模型」频道最新
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18
- 「刷榜式 demo」鉴别法：换用 Mirror's Edge 场景测模型泛化 — teortaxesTex · 2026-10-18
- DeepSeek V4.1 提升非靠蒸馏？榜单显示 OpenAI Luna 仅得 38 分 — teortaxesTex · 2026-10-18
- 爆料称 Gemini 4 复杂任务接近甚至超越 Opus 5.5 — haider1 · 2026-10-18