Muse Wonder 得 14.9%，成 WeirdML v3 最强非 GPT/Claude 模型
scaling01 · x · 2026-10-17
htihle 发布全智能体基准 WeirdML v3（11 个手工设计的复杂任务：模型需探索陌生数据、搭建 ML/数据分析流水线，在数据有限、目标模糊、反馈极少的情况下产出结果），并用 Codex CLI harness 跑了 Meta 的 Muse Wonder (xhigh)。
结果：Muse Wonder 官方分 14.9%，单任务最佳 25.1%，单次运行成本 $10.99，接近 GPT 5.6 Sol 和 Fable 5，是目前最强的非 GPT/Claude 模型（Argon 仍在跑）。对比图显示 GPT-6 Astra 以约 55% 居首，Claude Opus 5.5 约 48%。
「模型」频道最新
- AndrewDai 发布视觉推理模型 Glimpse,称基准成绩比肩 Astra — AndrewDai · 2026-10-17
- Reflection AI 发布 Beam,SGLang 提供生产级服务并开放 day-0 支持 — ying11231 · 2026-10-17
- 网传阿里确认 Qwen 4 全系将采用递归自我改进,指数从 40 升至 45 — solyarisoftware · 2026-10-17
- Pipecat 开源 PhoneLLM Alpha 2:Max 版微推理破 83 分超 Sonnet 5.5 — solyarisoftware · 2026-10-17
- Elorian 发布 Glimpse 视觉思考模型：对标 Astra 处理动态与视角变化 — AndrewDai · 2026-10-17
- NVIDIA 为 Nemotron 3.5 Bolt 发布 LiLiCorr 投机解码 draft,加速 74B 推理 — _akhaliq · 2026-10-17