推文

@leo114119 · 2026-10-13 01:32

Meta 说 Muse Wonder 达到 SOTA。我把 model card 拆了，有两件事媒体都没写。 第一，它赢的场景很集中：改代码仓库、跑长周期项目、读案件材料—— 都是在「已经存在的系统」里持续工作。 第二，它赢的 5 项里，受控同 harness 对比是 0 项。 唯一一次所有模型用同一个 harness 测的（mini-swe-agent），它输 11.5 分。 唯一纯第三方综合指数，它 56，输 Opus 5.5 的 58。 所以是「真实的进步」，不是「终于追上」。 它被训练成不放弃的老手，但还不是能从白纸起楼的高手。

曝光 157 · 评论 0 · 点赞 2 · 书签 2