Muse Spark

Meta·3 个数据来源·更新于 2026-11-10

上下文窗口262KBenchLM

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

3 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

19 项已收录成绩 · 保留原始单位和测试条件

ARC-AGI v2厂商自报 · 越高越好
42.5%

Thinking mode, pass@2, public set

成绩出处
CharXiv-R厂商自报 · 越高越好
86.4%

Thinking mode

成绩出处
DeepSearchQA厂商自报 · 越高越好
74.8%

Thinking mode

成绩出处
ERQA厂商自报 · 越高越好
64.7%

Thinking mode

成绩出处
FrontierScience Research厂商自报 · 越高越好
38.3%

Contemplating mode, averaged over 8 samples

成绩出处
GPQA厂商自报 · 越高越好
89.5%

Thinking mode, GPQA Diamond, averaged over 4 runs

成绩出处
HealthBench Hard厂商自报 · 越高越好
42.8%

Thinking mode

成绩出处
Humanity's Last Exam厂商自报 · 越高越好
58.4%

Contemplating mode, with tools (bash + browser)

成绩出处
IPhO 2025厂商自报 · 越高越好
82.6%

Contemplating mode, blinded human evaluation, averaged over 3 generations

成绩出处
LiveCodeBench Pro厂商自报 · 越高越好
0.8分

Thinking mode, pass@1, 2025Q2, C++, averaged over 4 attempts

成绩出处
MedXpertQA厂商自报 · 越高越好
78.4%

MM

成绩出处
MMMU-Pro厂商自报 · 越高越好
80.4%

Thinking mode

成绩出处
ScreenSpot Pro厂商自报 · 越高越好
84.1%

Thinking mode, with Python (cropping tool)

成绩出处
SimpleVQA厂商自报 · 越高越好
0.71%

Thinking mode

成绩出处
SWE-Bench Pro厂商自报 · 越高越好
52.4%

Thinking mode, averaged over 4 attempts

成绩出处
SWE-Bench Verified厂商自报 · 越高越好
77.4%

Thinking mode, averaged over 15 attempts

成绩出处
Tau2 Telecom厂商自报 · 越高越好
91.5%

Artificial Analysis

成绩出处
Terminal-Bench 2.0厂商自报 · 越高越好
59%

Thinking mode, bash-tool-only, averaged over 15 attempts

成绩出处
ZEROBench厂商自报 · 越高越好
0.33%

Thinking mode, with Python, pass@5

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2026-04-08LLM Stats
上下文窗口
262K TokenBenchLM
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

暂无可核验的 API 报价。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

BenchLM

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10

Arena

Arena 官方公开数据集 · CC BY 4.0

3 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM StatsMuse SparkSHA-256 adc39533dd535bdd…2026-11-10T13:53:33Z查看来源
BenchLMMuse Spark2026-11-10查看来源
ArenaMuse Spark2026-11-10T14:07:52Z查看来源
ArenaMuse Spark2026-11-10T14:07:52Z查看来源
ArenaMuse Spark2026-11-10T14:07:52Z查看来源
继续浏览模型排行榜