Muse Spark 1.2
Meta· 2026-08-05 上线
综合第 33 名
49.7
编程
47.5第 36 名
科研
55.0第 26 名
专业办公
40.0
知识问答
59.7第 10 名
- 评测覆盖
- 10 / 25 项 · 40%
- 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 | 54.9% | 48.5 | xhigh | 26 |
| FrontierSWE | 12.0% | 37.7 | xhigh | 21 |
| WebDev Arena | 1,534 | 54.0 | xhigh | 96 |
| WeirdML | 60.3% | 49.9 | xhigh | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| CritPt | 17.7% | 55.3 | xhigh | 101 |
| ProofBench | 43.0% | 50.3 | 默认 | 77 |
| SciCode | 57.4% | 59.5 | xhigh | 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 | 36.4% | 40.0 | 默认 | 49 |
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 | 60.3% | 58.2 | xhigh | 65 |
| SimpleBench | 74.5% | 61.1 | 默认 | 39 |
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 | 27.0% | 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。