DataLearner 标志

Muse Spark Open 评测详情

Muse Spark Open 当前已收录的代表性评测结果包括 HLE（9 / 239，得分 61）、MCP-Atlas（2 / 51，得分 89.20）、SciCode（16 / 135，得分 58.50）。

评测结果

Muse Spark Open

评测结果

思考模式
工具使用
联网能力

综合知识考试

共 2 项评测
评测名称 / 模式
得分
排名/总数
HLE
极高工具联网
61
9 / 239
HLE-Diamond
极高
26.10
1 / 1

科学知识与推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
极高
89
49 / 254

图像感知与视觉推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
BabyVision
极高工具
80.20
7 / 10
SimpleVQA
极高工具
73.60
2 / 8
ZeroBench Main
极高工具
50
3 / 7
WorldVQA Headline (3000)
极高工具
49.40
1 / 1

桌面工作流

共 1 项评测
评测名称 / 模式
得分
排名/总数
OSWorld-Verified
极高工具
80.40
10 / 29

自主开发与终端任务

共 1 项评测
评测名称 / 模式
得分
排名/总数
Terminal-Bench 2.1
极高工具
76.40
35 / 63

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
MCP-Atlas
极高工具
89.20
2 / 51
Toolathlon-Verified
极高工具
72.80
19 / 36

仓库修复与多文件工程

共 2 项评测
评测名称 / 模式
得分
排名/总数
DeepSWE
极高工具
60
53 / 100
SWE-Atlas-QnA
极高工具
58
4 / 8

跨行业工作评估

共 2 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA v2
极高工具
1401
5 / 7
JobBench
极高工具
61.80
3 / 3

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
极高
58.50
16 / 135

跨能力聚合指数

共 1 项评测
评测名称 / 模式
得分
排名/总数

事实可靠性与幻觉

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-Omniscience
极高
25
1 / 4

视频理解

共 2 项评测
评测名称 / 模式
得分
排名/总数
IntPhys 2
极高
68.30
1 / 1
Video-MME v2
极高
61.50
1 / 1

对抗稳健性

共 2 项评测
评测名称 / 模式
得分
排名/总数
FORTRESS
极高
5.80
1 / 1
Meta StrongREJECT v2
极高
0.50
1 / 1

专业数据分析

共 1 项评测
评测名称 / 模式
得分
排名/总数
Plotly Analytics Exam
unknown工具
88
1 / 1
与其他模型对比