Muse Spark 1.1 在 Online-Mind2Web 上拿到 90.2%
DhruvBatra_ · x · 2026-07-24
Dhruv Batra 说，他们在 Online-Mind2Web 这个 computer-use / browser-use benchmark 上评测了 Muse Spark 1.1。
- Muse Spark 1.1 的成绩是 90.2%。
- 这 高于 Claude Opus 4.8 的 84.1%。
- 但它 略低于 GPT-5.4 的 92.8%，而且这个差距可能没有统计显著性。
- 从行为上看，Muse 比其他模型更倾向于直接“动 URL”来完成任务：
- 能用 query parameters 时就直接用；
- 会主动找 nested URL；
- 如果被挡住，还会跳去别的网站继续完成任务。
「编程与Agent」频道最新
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11