资深工程师基准:Muse Wonder 仅 52%,落后 GPT-Sol 6.1 达 19 个百分点
danshipper · x · 2026-10-13
Dan Shipper 在 Checks 的 Senior Engineer Benchmark 上测试 Muse Wonder：任务是让模型从零重写一个 vibe coding 产出的糟糕代码库，考察真实工程实用性。Muse Wonder 仅得 52%，远低于 GPT-Sol 6.1 的 71%。完整榜单：Claude Opus 5.5 与 Sonnet 5.5（Claude Code, high effort）均 85%，GPT-6 Astra 81%，GPT-6.1 Sol 71%，Muse Wonder 52%，GPT-6 Sol 仅 35%。该基准是作者基于自己真实工作的检查项单任务评测，非通用模型质量声明。
所属事件:Muse Wonder 资深工程师基准表现远逊 Sol 6.1(3 条相关)→
「编程与Agent」频道最新
- X 推出统一订阅：Grok、Cursor 与 X Premium 一份订阅全打通 — SpaceXSI · 2026-10-13
- 开发者用本地 GLM 重构、前沿模型验证、mythos 加固的小工作流 — HankYeomans · 2026-10-13
- Alchemy 适配 Cloudflare 生日周：Durable Objects 可绑定多个容器 — samgoodwin89 · 2026-10-13
- DUET 论文：评分器与 Agent 同步进化，Finance Agent 达 96.5% — dair_ai · 2026-10-13
- Summer 推出 Game Audio Maker:一句指令给游戏生成 AAA 级音效 — garrytan · 2026-10-13
- Seroter 阅读清单:别再乱装 skills,agent 治理比工具调用更关键 — rseroter · 2026-10-13