实测：截图续办 DMV 车辆注册，Facebook Muse 比 Instinct 更靠谱
jack_w_rae · x · 2026-09-09
转发的实测观察：用「能否凭一封续办通知信的截图完成 DMV 车辆注册续办」作为个人基准测试，Facebook Muse 的表现超过了 Instinct（当天）。这是一个很接地气的真实政务场景 agent 能力对比，比常见跑分更能反映实际可用性。
「模型」频道最新
- Gary Marcus 转发质问：OpenAI 关闭该设置后到底承诺了什么？ — GaryMarcus · 2026-09-09
- Meta 的 Muse 用量爆表:实际用户消耗是内部测试组的 10 倍 — alexandr_wang · 2026-09-09
- Bindu Reddy 预告周四发布:主打长时 Agent 循环的超低价新 LLM — bindureddy · 2026-09-09
- Artificial Analysis 上线 Model Release 页,可比同一模型各 effort 档位表现 — ArtificialAnlys · 2026-09-09
- GLM 5.3 Flash 上线 W&B serverless:1M 上下文带视觉,$0.5/百万输出 — wandb · 2026-09-09
- DeepSeek V4 Flash 非-峰时价格低至 0.05/1M，比小模型还便宜引热议 — michaelsoft__binbows · 2026-09-09