DataLearner 标志

Muse Spark 1.2 评测详情

Muse Spark 1.2 当前已收录的代表性评测结果包括 MCP-Atlas（1 / 44，得分 90.30）、Harvey's Legal Agent Benchmark（1 / 43，得分 25.42）、MedScribe（4 / 66，得分 90.06）。

评测结果

Muse Spark 1.2

评测结果

思考模式
工具使用

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
1840.40
17 / 110

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
极高
74.50
14 / 96

多轮记忆与持续上下文

共 4 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
思考水平·低
81.56
35 / 126
Context Arena
思考水平·中
80.61
39 / 126
Context Arena
思考水平·高
81.55
36 / 126
Context Arena
极高
78.57
44 / 126

跨应用与工具编排

共 1 项评测
评测名称 / 模式
得分
排名/总数
MCP-Atlas
开启思考工具
90.30
1 / 44

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
54.87
55 / 92
SWE-Atlas-QnA
unknown
46.20
5 / 6

跨能力聚合指数

共 4 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
155.18
27 / 167
Vals Index
极高工具
57.05
22 / 42
Vals Index v2.1
极高工具
49.29
27 / 36
AA Intelligence Index v4.3
极高工具
39.58
18 / 29

科学知识与推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
CritPt
极高
17.70
46 / 204

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
57.40
18 / 134

客服与业务流程

共 3 项评测
评测名称 / 模式
得分
排名/总数
Public Benefits Bench v1.1
极高工具
68.47
6 / 26
SAGE
极高工具
47.66
23 / 64
τ³-Banking
极高工具
34.80
48 / 167

金融

共 2 项评测
评测名称 / 模式
得分
排名/总数
Finance Agent v2
极高工具
60.60
3 / 43
EMB (Excel Modeling)
极高工具
56.98
28 / 42

法律

共 2 项评测
评测名称 / 模式
得分
排名/总数
Legal Research Bench
极高工具
43.75
12 / 42
Harvey's Legal Agent Benchmark
极高工具
25.42
1 / 43

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
极高
17.40
50 / 122

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 4.0
极高工具
7.10
61 / 98

维护、优化与工程管理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Code Migration
极高工具
29.95
29 / 43

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
Vibe Code Bench v1.1
极高工具
79.10
18 / 61

算法与竞赛编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
IOI (Vals v2)
极高工具
21.78
26 / 26

数学

共 1 项评测
评测名称 / 模式
得分
排名/总数
ProofBench v1.1 (Lean 4)
极高工具
43
21 / 28

临床工作与医疗决策

共 2 项评测
评测名称 / 模式
得分
排名/总数
MedScribe
极高工具
90.06
4 / 66
MedCode
极高工具
49.35
15 / 64
与其他模型对比