待验证50% 置信事实精确时间
Muse Wonder Full在SWE-Marathon上的57.5分使用了xhigh推理档位。
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
待验证Muse Wonder Full 在 Artificial Analysis v4.3 榜单上得分为 56，全球第二，落后 Claude Opus 5.5 的 58；标准版 Muse Wonder 得分为 52。72% 相似待验证Artificial Analysis 将 Muse Wonder 评为 52 分的那次运行使用了 max 推理强度，每项任务约 54,000 个输出 token。71% 相似待验证Wonder Full在SWE-Marathon基准上拿到57.5分，在DeepSWE 1.1上达到79.0分。71% 相似待验证Muse Glimmer在MCP Atlas工具调用基准得分75.5，领先Qwen 3.6；智能体搜索任务74.6分；数学推理AIME 94.7分68% 相似已验证Muse Wonder 提供了六个推理级别：minimal、low、medium、high、xhigh 和 max。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067541API
curl https://kongchang.com/api/v1/knowledge/claims/1067541MCP
get_claim(id=1067541)