Muse Spark
Meta· 2026-04-08 上线
综合榜暂不排名：评测成绩还不够
编程
52.5
科研
48.6第 49 名
专业办公
—
知识问答
53.3第 28 名
- 评测覆盖
- 7 / 25 项 · 28%
- 缓存输入
- —
- 输入
- —
- 输出
- —
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| WebDev Arena | 1,513 | 52.5 | 默认 | 96 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| CritPt | 11.3% | 49.3 | 默认 | 101 |
| ProofBench | 17.0% | 42.0 | 默认 | 77 |
| OTIS Mock AIME | 88.9% | 49.8 | 默认 | 87 |
| SciCode | 51.5% | 53.1 | 默认 | 97 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| GPQA Diamond | 89.8% | 52.2 | 默认 | 84 |
| Humanity's Last Exam | 40.6% | 54.3 | 默认 | 17 |
原始成绩取这个模型各个推理档位和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。