Muse Spark 1.3 评测详情

Muse Spark 1.3 当前已收录的代表性评测结果包括 Legal Research Bench（1 / 46，得分 55.29）、Harvey Lab-AA（1 / 44，得分 95.48）、τ³-Banking（4 / 168，得分 50.50）。

评测结果

Muse Spark 1.3

评测结果

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1905.90

13 / 112

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

极高

81.80

7 / 95

跨能力综合测试

共 1 项评测

评测名称 / 模式

得分

排名/总数

极高

81.59

7 / 157

仓库修复与多文件工程

共 5 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

75.40

5 / 101

unknown

59.40

2 / 8

思考水平·Max工具

39.10

41 / 73

极高工具

36.50

47 / 73

思考水平·Max工具

25.80

13 / 22

跨能力聚合指数

共 5 项评测

评测名称 / 模式

得分

排名/总数

unknown

156.89

15 / 168

思考水平·Max工具

64.53

8 / 42

极高工具

60.31

12 / 42

Vals Index v2.1

极高工具

53.16

17 / 37

AA Intelligence Index v4.3

思考水平·Max工具

48.09

9 / 33

桌面工作流

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

66.90

6 / 15

跨应用与工具编排

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

64.90

1 / 8

Agents' Last Exam

思考水平·Max工具

32.20

5 / 20

事实查找与深度检索

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具联网

89.40

2 / 3

办公与文档流程

共 1 项评测

评测名称 / 模式

得分

排名/总数

AutomationBench

思考水平·Max工具

49.40

8 / 29

图像感知与视觉推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

极高

82

26 / 231

科学知识与推理

共 3 项评测

评测名称 / 模式

得分

排名/总数

MysteryMechanism

思考水平·Max工具

36.04

6 / 14

思考水平·Max

24.90

29 / 204

极高

26

25 / 204

科学计算与科研编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max

58.80

11 / 135

极高

59.70

7 / 135

客服与业务流程

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

50.50

4 / 168

极高工具

47.20

10 / 168

法律

共 5 项评测

评测名称 / 模式

得分

排名/总数

极高工具

95.48

1 / 44

Legal Research Bench

思考水平·Max工具

55.29

1 / 46

Legal Research Bench

极高工具

40.87

19 / 46

Harvey's Legal Agent Benchmark

思考水平·Max工具

23.75

2 / 50

Harvey's Legal Agent Benchmark

极高工具

22.92

3 / 50

金融

共 5 项评测

评测名称 / 模式

得分

排名/总数

Tax Agent Bench

极高工具

71.93

4 / 21

EMB (Excel Modeling)

思考水平·Max工具

67.43

15 / 46

EMB (Excel Modeling)

极高工具

62.71

26 / 46

Finance Agent v2

思考水平·Max工具

59.96

4 / 46

Finance Agent v2

极高工具

58.90

7 / 46

数学

共 6 项评测

评测名称 / 模式

得分

排名/总数

FrontierMath v2

思考水平·Max工具

74.04

20 / 114

FrontierMath v2

极高工具

74.39

19 / 114

ProofBench v1.1 (Lean 4)

思考水平·Max工具

58

13 / 29

ProofBench v1.1 (Lean 4)

极高工具

55

15 / 29

FrontierMath Tier 4 v2

思考水平·Max工具

46.34

26 / 71

FrontierMath Tier 4 v2

极高工具

41.46

29 / 71

文档与图表理解

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max

26.60

15 / 124

极高

24.20

22 / 124

自主开发与终端任务

共 8 项评测

评测名称 / 模式

得分

排名/总数

CursorBench 4.0

常规模式工具

24.30

40 / 43

CursorBench 4.0

思考水平·低工具

29.30

34 / 43

CursorBench 4.0

思考水平·中工具

32.60

28 / 43

CursorBench 4.0

思考水平·高工具

33.40

25 / 43

CursorBench 4.0

思考水平·Max工具

41.60

11 / 43

CursorBench 4.0

极高工具

37.50

18 / 43

Terminal-Bench 4.0

思考水平·Max工具

33.30

31 / 105

Terminal-Bench 4.0

极高工具

16.70

51 / 105

机器学习工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

极高工具

0.07

15 / 21

编码综合评估

共 2 项评测

评测名称 / 模式

得分

排名/总数

AA Coding Agent Index v1.5

思考水平·Max工具

54.30

5 / 11

AA Coding Agent Index v1.5

极高工具

48.30

8 / 11

维护、优化与工程管理

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

47.41

12 / 48

极高工具

27.58

35 / 48

程序生成与编辑

共 2 项评测

评测名称 / 模式

得分

排名/总数

Vibe Code Bench v1.1

思考水平·Max工具

85.86

11 / 66

Vibe Code Bench v1.1

极高工具

82.86

14 / 66

算法与竞赛编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

56.56

16 / 30

极高工具

43.94

25 / 30

与其他模型对比