用户实测指 Muse Spark 1.3 疑似刷榜:实际表现远逊基准分
Swimming_Gain_4989 · reddit · 2026-09-05
一位 Reddit 用户通过 OpenRouter 和 Opencode Zen 两个渠道、更换 system prompt、脱离 harness 等多种方式测试 Muse Spark 1.3,结果都很差,怀疑该模型为基准测试过度优化(benchmaxxed)。
实测场景:
- OpenGL shader 组合与 Godot 调试:尚可,约相当于 DeepSeek v4 flash 水平,非前沿;
- 文档快速参考(Typescript/Go):勉强及格;
- 高阶离散数学辅导(组合数学、贝叶斯概率、图论):表现如 GPT-4 mini,无法维持多轮对话,练习题不完整、解题解释常出错。
作者强调只是提供一个数据点,不想挑起争论。
所属事件:实测与榜单严重不符，AA 指数公信力遭社区质疑(5 条相关)→
「模型」频道最新
- 研究者用前沿模型 76 分钟挖出首个 Windows 0-day — moyix · 2026-10-21
- 开发者实测:Gemini Argon 分析调试日志优于 Fable 5.1 — ShikharMurty · 2026-10-21
- 用户让 ChatGPT「尖叫」，它陷入无限循环 AAAAHHH 停不下来 — AutomaticScene · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21
- qev-0.8B:3.5毫秒决策、1.3GB本地跑的微型模型登顶 — fajfas3 · 2026-10-21
- Gemini 3.1 Pro 玩「两真一假」：bot 太沉迷账本，秒被识破谎言 — mimi10v3 · 2026-10-21