Muse Spark 1.1 跑分第17
arena · x · 2026-07-15
Agent Arena 公布了新的排行榜与评测说明。Meta 的 Muse Spark 1.1 排名第 17，位于 Gemini 3.1 Pro 和 Qwen-3.7 Plus 之上，但低于 Grok 4.5 和 GLM 5.2。
该榜单来自 Agent Arena：他们用全球用户提交的数百万个真实长链路 agent 任务来衡量模型表现。模型可以调用 网页搜索、文件系统和终端 等工具完成复杂工作流，排名依据的是任务结果相对平均模型的表现，并采用因果追踪方法进行测量。
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