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
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27
- 用 Claude Code 当 iPhone 取证器:挖出「已删」照片的 30 天隐藏副本 — alex_verem · 2026-10-27
- 用 Claude Code 审计 iPhone 备份，揪出被删照片的全部藏身处 — alex_verem · 2026-10-27
- Yuchen Jin：手机不是移动 IDE，而是 agent 舰队的控制台 — Yuchenj_UW · 2026-10-27
- FrontierCS 2 登陆 Kaggle：48 项任务让智能体复现 13 领域论文贡献 — MeganRisdal · 2026-10-27
- 别只让 AI 复刻老游戏：工程师呼吁用 Agent 造更野的软件 — rschu · 2026-10-27