跳到正文

Muse Spark 1.3

数据来源:AIHOT

← 模型榜
Meta

上线日期: 2026-09-02 · 上下文: 104.9万 Token

64.2

综合排名 23

官方 API 价格 ¥ / 百万 Token

输入
¥8.33 ($1.25)
输出
¥28.33 ($4.25)
缓存命中
¥1 ($0.15)
官方价格页 ↗

领域能力

榜单名次评分评测数
综合2364.242
编程2961.213
科研2564.610
专业办公1968.310
知识问答2764.65

编程 · 61.2

评测机构公布的成绩折算分原榜名次核实日期备注
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI2.5%77.282026-11-18
备注

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI85.9%67.3202026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench64.1%6692026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis33.3%65.3682026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI54.4%64.8182026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Artificial Analysis23.1%63.5712026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI24.7%61.3352026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench81.1%61.292026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis58.8%61242026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierSWE v2 ↗

每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。

Proximal Labs29.0%60.7152026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CyberBench Patch v1.1 ↗

修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。

Vals AI82.1%58.1322026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor39.1%56.7412026-11-18
备注

代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench14.8%53.5532026-11-18
备注

代表配置:xHigh 推理 · Muse Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

WeirdML v3 ↗

面对陌生数据,弄清问题并做出机器学习或数据分析方案。

Håvard Tveit Ihle5.9%52.2212026-11-18
备注

代表配置:xHigh 推理 · codex_cli。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

科研 · 64.6

评测机构公布的成绩折算分原榜名次核实日期备注
MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI36.0%70.5122026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt v2 Hard ↗

修订版研究级物理题里较难的 40 道,可以写代码辅助演算。

Artificial Analysis48.0%68.2592026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis24.9%68532026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench89.7%65.2122026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis48.7%64.8382026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI74.0%64282026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Vals AI10.0%62.3192026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Artificial Analysis11.0%62.2712026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI37.0%58.4492026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI25.0%55.8522026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 68.3

评测机构公布的成绩折算分原榜名次核实日期备注
Harvey LAB-AA v1.1 ↗

读法律资料并完成文书,逐项评分,有重大捏造则该题记零。

Artificial Analysis8.9%78.2102026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI55.3%75.722026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI42.4%74.6112026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

τ³-Banking ↗

扮演银行客服跟模拟客户对话:查政策、找产品、改账户。

Mercor52.2%73.1102026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,581.370.6292026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,68169.1222026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench79.6%66.9132026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis57.9%65.9812026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis37.5%61.5392026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor47.6%59492026-11-18
备注

代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

知识问答 · 64.6

评测机构公布的成绩折算分原榜名次核实日期备注
LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench78.0%72.182026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis22.464.8652026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur85.1%64.7502026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench82.8%64.382026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis83.0%57.9302026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis13.9%541092026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 66.6

评测机构公布的成绩折算分原榜名次核实日期备注
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,496.568.4102026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,655.167.4222026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

还没有成绩的评测

  • Code Migration v1.1
  • FrontierCode 2.0 · Cognition
  • TapTap Maker
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • ARC-AGI-2
  • 司南 · 抽象
  • BioMysteryBench
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • Excel Modeling v1.1
  • SimpleQA Verified
  • 司南 · 知识
  • BullshitBench · 错误前提

最近的新闻

11-13Muse Wonder、Muse Spark 1.3 与 Muse Ember 在 Google Cloud 开启公开预览Google AI:DEV 作者专属

11-10Meta 将 Muse Ember、Muse Wonder 和 Muse Spark 1.3 带入 Google CloudAI at Meta

10-15Meta 用 Muse Spark 1.3 辅助医学研究,产出 10 篇论文AI at Meta

09-09Meta 发布个人智能体助手 Muse,由 Muse Spark 1.3 驱动Rohan Paul

09-09Meta 发布个人智能体 Muse,由 Muse Spark 1.3 驱动AI at Meta

09-05OpenCode Zen 新增 GLM 5.3、GLM 5.3 Flash、Muse Spark 1.3 和 DeepSeek V4 Flash Vision Expopencode