Muse Wonder 被指刷榜：比 SWE 2 贵 24 倍实测却更差

lyraxana · x · 2026-10-13

多位用户实测 Muse Wonder 与 SWE 2 对比：同一 prompt、最高推理档位下，Muse 耗时 24 分钟花费约 $18，SWE 2 用时 15 分钟且零成本，效果反而更好。博主指出该模型评测分数高于 Astra 和 Fable 5.1，实际表现却更差，称其「比 Gemini 更刷榜（benchmaxxed）」，疑似针对 benchmark 过拟合。

原文链接 →

「模型」频道最新

• Allen AI 发布 TutorMoments 评测：LLM 辅导常过度代劳 — allen_ai · 2026-10-13
• DeepSeek flash 端点疑似静默换模型,v4.1-pro 或在暗中灰度测试 — teortaxesTex · 2026-10-13
• 开发者：3D 游戏 demo 的创造力同样体现在 CAD 与文档任务 — Angaisb_ · 2026-10-13
• subquadratic 新模型上线前实战对决 Jev 与 OpenAI，7 项赢 6 项 — ryanallred · 2026-10-13
• 测试发现 ChatGPT 张口就夸新用户智商达前 5% — Polymarket · 2026-10-13
• Gemini 4 Argon 宣布 11 天未开放，Muse Wonder 即发即用引发热议 — airesearch12 · 2026-10-13

更多「模型」频道 AI 资讯 →