Muse Wonder

Meta AI · 发布于 2026-10-12

评分规则

综合评分72.7第 6 名 · 覆盖 87%

编程72.0第 9 名 · 覆盖 100%

专业办公78.9第 2 名 · 覆盖 75%

知识问答70.3第 10 名 · 覆盖 67%单一机构

科研69.2第 13 名 · 覆盖 83%

上下文窗口

1,024,000 token

API 价格

缓存 ¥1.34 · 输入 ¥26.74 · 输出 ¥133.72

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

15 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-10-12 至 2026-10-14；另有 13 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（4）

muse-wonder-1.0-max
meta/muse-wonder
muse-wonder-1.0_max
Muse Wonder (Max)

编程

72.0

LiveBench CodingLiveBench80.68%统一读数 63.6

来源: LiveBench Coding
上游型号: muse-wonder-1.0-max
运行配置: muse-wonder-1.0-max
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Terminal-Bench 4.0Vals AI49.49%统一读数 77.7

来源: Terminal-Bench 4.0
上游型号: meta/muse-wonder
运行配置: max · Mini-SWE-agent · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

Code MigrationVals AI62.55%统一读数 76.7

来源: Code Migration
上游型号: meta/muse-wonder
运行配置: max · Vals agentic 统一流程 · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

Vibe Code Bench v1.1Vals AI83.09%统一读数 67.5

来源: Vibe Code Bench v1.1
上游型号: meta/muse-wonder
运行配置: max · OpenHands · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

科研

69.2

FrontierMath T1–3 v2Epoch AI82.11%统一读数 68.7

来源: FrontierMath T1–3 v2
上游型号: muse-wonder-1.0_max
运行配置: muse-wonder-1.0_max
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-12
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Mystery Game PuzzlesEpoch AI51.00%统一读数 69.5

来源: Mystery Game Puzzles
上游型号: muse-wonder-1.0_max
运行配置: muse-wonder-1.0_max
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-14
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

LiveBench ReasoningLiveBench90.63%统一读数 69.8

来源: LiveBench Reasoning
上游型号: muse-wonder-1.0-max
运行配置: muse-wonder-1.0-max
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

MysteryMechanismVals AI27.48%统一读数 61.4

来源: MysteryMechanism
上游型号: meta/muse-wonder
运行配置: max · Vals agentic 统一流程 · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-12 · 本站取数 2026-10-17
评分处理: 正常计入

Terminal-Bench-ScienceVals AI22.86%统一读数 69.7

来源: Terminal-Bench-Science
上游型号: meta/muse-wonder
运行配置: max · Mini-SWE-agent · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-14 · 本站取数 2026-10-17
评分处理: 正常计入

专业办公

78.9

LiveBench Data AnalysisLiveBench81.62 / 100（任务均分）统一读数 94.3

来源: LiveBench Data Analysis
上游型号: muse-wonder-1.0-max
运行配置: muse-wonder-1.0-max · 表格处理与数据分析，归一化任务均分（非正确率）
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

Finance Agent (v2)Vals AI56.64%统一读数 67.3

来源: Finance Agent (v2)
上游型号: meta/muse-wonder
运行配置: max · Vals agentic 统一流程 · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

Harvey's Legal Agent BenchmarkVals AI17.08%统一读数 160.4

来源: Harvey's Legal Agent Benchmark
上游型号: meta/muse-wonder
运行配置: max · Vals agentic 统一流程 · 输出上限 131072
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

知识问答

70.3

LiveBench LanguageLiveBench82.93%统一读数 62.7

来源: LiveBench Language
上游型号: muse-wonder-1.0-max
运行配置: muse-wonder-1.0-max
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

LiveBench IFLiveBench73.03%统一读数 72.8

来源: LiveBench IF
上游型号: muse-wonder-1.0-max
运行配置: muse-wonder-1.0-max
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

真人偏好

75.8

Arena Text · 风格控制Arena1508.88 Elo统一读数 80.2

来源: Arena Text · 风格控制
上游型号: Muse Wonder (Max)
运行配置: 官方 Text Overall · style-controlled
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-15 · 本站取数 2026-10-17
评分处理: 正常计入

尚未测到（3）

Chess Puzzles、SimpleQA Verified、MedCode

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。