调整内容过滤后，Meta 模型 APEX-Agents 成绩升至 41.9%

RylanSchaeffer · x · 2026-07-22

Mercor 更新了 Meta 的 Muse Spark 1.1 模型在 APEX-Agents 基准上的成绩。

此前该模型在执行长周期专业服务任务（涉及银行、法律和咨询）时，约有 10% 的任务因内容审核逻辑的误判而被拦截，导致得分为 0。在与 Meta 团队合作调整并优化了公开检查点的安全过滤机制后，其 Pass@1 成绩从 37.1% 提升至 41.9%，整体排名升至第二，仅次于 Claude Fable 5（43.3%）。

原文链接 →

「模型」频道最新

• BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
• Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
• Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
• 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
• 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
• 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11

更多「模型」频道 AI 资讯 →