RareBench 新榜单:Muse Wonder 表现平平,Opus 与 Fable 领跑
danielmckinn0n · x · 2026-10-13
GamowLabs 发布 RareBench 基准(122 个案例)上 Muse Wonder 新 checkpoint 的成绩,结果令人失望:
- Muse Wonder High 召回率 19%,较 Muse Spark 1.3 Max(22%)小幅回退(未做重复实验,不具统计显著性),远落后于 Astra/Opus 等前沿模型
- 榜单头部:Opus 5.5 达 52%,Fable 5.1 46%,Fable 5 44%,GPT-6 Astral 38%,Sonnet 5.5 40%
- 作者认为 RareBench 是可验证、长时程、需数十次多样化工具调用的评测,比容易被刷的公开榜单更能反映真实模型排序
- 该 checkpoint 是今天发布的较弱版本,更强的 Muse Wonder Full 待 API 开放后补测
对 Muse 系列是利空信号,也可能是 Meta 针对不同任务优化的结果。
「模型」频道最新
- 有人逆向工程 Grok Bot 并将其开源 — jasonkneen · 2026-10-13
- Bindu Reddy:Muse Wonder 远不及 Fable/Astra,新基准即将发布 — bindureddy · 2026-10-13
- 用户吐槽 Gemini 接管 Android Auto:让它回复却说「正在播放 yes」 — Notegg999f · 2026-10-13
- Parakhin:模型互相能懂「神经语」，人类反而读不懂其解释 — iScienceLuvr · 2026-10-13
- Anthropic 称已削减 90%~99% 蒸馏流量，拒绝万亿 token 付费请求 — abhiadesai · 2026-10-13
- GLM-5.3「去审查版」上线月余无事故，开发者炮轰 AI 末日论叙事 — mariofilhoml · 2026-10-13