待验证50% 置信基准精确时间
Wonder Full在SWE-Marathon基准上拿到57.5分，在DeepSWE 1.1上达到79.0分。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/19
首次发现
有效期至：2026/11/2
来源
Muse Wonder熔岩灯翻车：Agent高分背后的Benchmaxxing疑云
rss2026/10/19
涉及实体
相关事实
部分验证在DeepSWE 1.1基准测试中，Muse Wonder Full取得79.0%，超过Claude Opus 5.5的74.2%和GPT-6 Astra的74.1%79% 相似待验证在DeepSuite基准上，Muse Wonder以79分登顶，小版本为78.8，Fable为67，Astra为71，Opus 5.5为74。71% 相似待验证Muse Wonder Full在SWE-Marathon上的57.5分使用了xhigh推理档位。71% 相似部分验证Meta的图表显示Muse Wonder在长周期编码任务上击败Claude Opus 5.5：DeepSWE得分78.8对74.2，SWE-Marathon得分53.1对46.3。71% 相似待验证Muse Wonder 在 DeepSWE 1.1 上以 78.8 对 74.2 击败 Claude Opus 5.5，在 Harvey 法律代理基准 LAB-AA 上以 10.0 对 4.2 领先，在 SWE-Marathon 上以 53.1 对 46.3 领先。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067535API
curl https://kongchang.com/api/v1/knowledge/claims/1067535MCP
get_claim(id=1067535)