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。
「模型」频道最新
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11
- 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