Muse Spark 1.3
Meta· 2026-09-02 上线
综合榜暂不排名：评测成绩还不够
编程
53.7第 19 名
科研
57.3第 19 名
专业办公
55.4
知识问答
—
- 评测覆盖
- 11 / 25 项 · 44%
- 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 |
|---|---|---|---|---|
| FrontierSWE | 25.8% | 45.3 | max | 21 |
| CursorBench | 41.6% | 47.4 | max | 17 |
| WebDev Arena | 1,652 | 62.2 | max | 96 |
| ALE-Bench | 1,688 | 60.1 | xhigh | 88 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 74.4% | 56.2 | xhigh | 66 |
| FrontierMath（4 级） | 46.3% | 51.7 | max | 57 |
| CritPt | 26.0% | 63.0 | xhigh | 101 |
| ProofBench | 58.0% | 55.1 | max | 77 |
| OTIS Mock AIME | 99.2% | 56.0 | xhigh | 87 |
| SciCode | 59.7% | 62.0 | 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 | 57.8% | 55.4 | 未注明 | 49 |
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 | 37.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、xhigh、high、medium、low、minimal、未注明）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。