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
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 换评测框架成绩大涨：Argon 改用 Antigravity Harness 逼近 Opus 5.5 — davidstutz92 · 2026-10-27
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26