Muse Spark 1.1
Meta· 2026-07-09 上线
综合榜暂不排名：评测成绩还不够
编程
51.0
科研
54.3第 28 名
专业办公
44.5第 35 名
知识问答
56.8
- 评测覆盖
- 8 / 25 项 · 32%
- 缓存输入
- ¥1.01
- 输入
- ¥8.41
- 输出
- ¥28.58
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 |
|---|---|---|---|---|
| DeepSWE | 53.3% | 47.5 | 默认 | 26 |
| WebDev Arena | 1,542 | 54.5 | 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 | 15.1% | 52.8 | xhigh | 101 |
| ProofBench | 39.0% | 49.1 | 默认 | 77 |
| SciCode | 58.8% | 61.0 | 默认 | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 31.8% | 36.7 | 默认 | 49 |
| Vending-Bench 2 | $6,520 | 52.4 | 默认 | 55 |
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 |
|---|---|---|---|---|
| SimpleQA Verified | 57.8% | 56.8 | 默认 | 65 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 34.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（xhigh）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。