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 DeepSWE（2 / 92，得分 75.40）、Harvey Lab-AA（1 / 44，得分 95.48）、Legal Research Bench（1 / 42，得分 55.29）。

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 / 110

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 / 96

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

思考水平·Max工具

75.40

2 / 92

unknown

59.40

2 / 6

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 / 167

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 / 36

AA Intelligence Index v4.3

思考水平·Max工具

48.09

6 / 29

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 / 14

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

7 / 25

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

思考水平·Max工具

64.90

1 / 8

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 / 229

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 / 13

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 / 134

极高

59.70

7 / 134

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 / 167

极高工具

47.20

10 / 167

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 / 42

Legal Research Bench

极高工具

40.87

17 / 42

Harvey's Legal Agent Benchmark

思考水平·Max工具

23.75

2 / 43

Harvey's Legal Agent Benchmark

极高工具

22.08

3 / 43

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 / 20

EMB (Excel Modeling)

思考水平·Max工具

67.43

12 / 42

EMB (Excel Modeling)

极高工具

62.71

23 / 42

Finance Agent v2

思考水平·Max工具

59.96

4 / 43

Finance Agent v2

极高工具

58.90

6 / 43

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

13 / 122

极高

24.20

20 / 122

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

27 / 98

Terminal-Bench 4.0

极高工具

16.70

45 / 98

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

9 / 43

极高工具

27.58

30 / 43

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

9 / 61

Vibe Code Bench v1.1

极高工具

82.86

12 / 61

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

13 / 26

极高工具

43.94

21 / 26

数学

共 2 项评测

评测名称 / 模式

得分

排名/总数

ProofBench v1.1 (Lean 4)

思考水平·Max工具

58

13 / 28

ProofBench v1.1 (Lean 4)

极高工具

55

15 / 28

与其他模型对比