Muse Spark 1.1 登上 APEX-Agents 第六
giffmana · x · 2026-07-14
Muse Spark 1.1 在 APEX-Agents 上首次亮相，排名 **第 6**。 - **Pass@1：37.1%**，**Mean criteria passed：52.0%**。 - 官方指出：约 **10%** 的任务里，模型在轨迹完成前就出现失败，因此这些任务被自动判为 **0 分**。 - 如果把受 Meta 激进内容过滤影响的轨迹剔除，Pass@1 会升到 **41.4%**，甚至会排到 **GPT-5.6 Sol** 之前。 - 这项基准面向真实银行、法律和咨询工作中的**长程任务**。