AA-PersonalityBench 评选最友好模型：Meta AI 的 Muse 系列包揽前列
Meta 的 Muse 系列在性格评测里最暖，Nemotron 3 Ultra 只有 1 分，榜单差距挺有意思。
全部动态
AI 相关资讯全量信息流 · 31 条
10月29日
10月23日
AA-PersonalityBench：模型智能水平与 Slop 程度并不对应
同一智力水平的模型，一个 Slop 排第1一个排第80，这份榜单挑话少的模型时挺有用。
10月20日
Meta Muse Wonder Full (Max) 登上 Code Arena: WebDev 榜单第 6 名
Meta 新模型冲进 Code Arena WebDev 第 6，还把 Meta 送到实验室第 3，跟 Claude、Gemini 的分数对比都列出来了。
10月18日
V4.1-1017 评测：智能体任务大幅提升，浏览器使用却出现回退
一份按任务拆开的模型评测：智能体和推理涨了，浏览器操作反而掉分，价格还便宜一半，信息挺细。
10月16日
Meta 开源 816B 参数 Muse Spark Open 模型权重
Meta 把 816B 的编程/智能体模型权重放出来了，MoE 架构跑起来只有 42B 的速度，Mac Studio 512GB 就能装下，还给了实测数据。
10月15日
Meta Muse Wonder (Max) 登上 Agent Arena 第 12 名，成本为前代 2.1 倍
Meta 新模型 Muse Wonder (Max) 的实测排名出来了，智能体任务比上一代强不少，但价格贵了一倍多，文本榜冲到第 2，数据都在这。
10月14日
Meta 发布 Muse Wonder 系列：Text Arena 排名第二
Meta 的 Muse Wonder 在文本榜冲到第 2，只差 Gemini 4 Argon 12 分，网页开发榜也进了前 15，可以直接 API 调用试试。
10月13日
Meta 发布 Muse Wonder 系列模型，主打个人 Agent 场景
Meta 新发的 Muse Wonder 不按聊天模型做，专攻能替你跑完长任务的 Agent，还自建了两个基准来测'不半途而废'，思路挺不一样。
Meta 发布 Muse Spark 1.3，官方称模型未经基准刷分优化
Meta 放出了 Muse Spark 1.3 的跑分，重点是官方说没刷榜，实际用起来怎么样可以自己试试。
Meta 对比 Muse Wonder Full 与 Muse Spark 1.3 的测试时计算扩展表现
Meta 发了组对比实验：Muse Wonder Full 在没见过的任务上比 Muse Spark 1.3 预测的更好，他们把原因追溯到更强的基座模型，做模型选型可以看看。
Meta 发布 Muse Wonder 与 Muse Wonder Full，智能指数升至 52 和 56
Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。
10月9日
Harvey LAB-AA v1.1 加入幻觉检查，Grok 4.7 以 9.4% 登顶法律基准
法律基准加了幻觉门槛后排名大洗牌：Muse Spark 本来领先，过滤幻觉后掉到第二，GPT-6 Astra 几乎不缩水。看各家法律任务幻觉差距挺有意思。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
9月16日
Image-to-WebDev Arena更新：四款新模型发布
OpenAI发布了GPT-6 Astra (Max)，在Image-to-WebDev任务上表现最好，比GPT-5.6 Sol好很多。
9月11日
Meta 发布 Muse Spark 1.3 (Max)，在 Agent Arena 排名升至第13位
Meta 新发布的 Muse Spark 1.3 (Max) 在 Agent Arena 中表现提升明显，排名从第30位跃升至第13位，性能提升显著，值得关注。
Muse Spark 1.3 (Max) 性能全面提升
朋友发了 Muse Spark 1.3 (Max) 的更新，性能比 1.2 (xHigh) 好很多，值得试试。
9月9日
Meta发布Muse Spark 1.3 Max模型
Meta新发布的Muse Spark 1.3 Max在编程领域表现出色，性价比超过多个竞品。
9月8日
GPT-6-Astra等模型创意写作评测
Sam评测了4个最新写作模型，Muse Spark胜出，GPT-6-Astra连段落都不会写了
创意写作榜单第一不代表真人最爱
Sam测试发现，Muse Spark 1.3虽排名低，但写作更自然，比GPT-6 Astra和Fable 5.1更符合个人喜好。
9月7日
Genspark上线Muse Spark 1.3模型
Genspark推出了Meta的Muse Spark 1.3，工具调用和token消耗都大幅降低，更适合实际应用场景。
9月5日
Muse Spark 1.3 max 推理版发布
Meta 推出了 Muse Spark 1.3 max，编程和智能体能力更强，即使用过旧版也值得尝试。
9月4日
GPT-6 Astra发布：电脑操作能力提升
OpenAI的GPT-6 Astra主打电脑操作能力，速度提升近一倍，但编程能力只是第一梯队并列。
Muse Spark 1.3重回WebDev编程榜前十
Meta的Muse Spark 1.3在编程榜单上跃升20多位，性能接近Claude和GPT-5.6，工具调用减少20%。
9月3日
Meta发布Muse Spark 1.3，价格优势明显
Meta发布Muse Spark 1.3，价格比同类产品低，值得关注。
Muse Spark 1.3 发布
Meta 推出了 Muse Spark 1.3，智能体和编码能力大幅提升，成本降低 25%，更适合生产环境使用。
Meta 发布 Muse Spark 1.3 模型
Meta 新出的 Muse Spark 1.3 编码能力超 GPT-5.6，工具调用减少 20%，还支持长线程多任务处理。
Meta发布Muse Spark 1.3加入Arena评测
Meta的Muse Spark 1.3上线Arena，能更好协作并减少幻觉，比前代更实用。
Muse Spark 1.3 登陆 OpenRouter
OpenRouter 上线了 Muse Spark 1.3，能跟踪学习、处理冲突输入，适合复杂编程任务。
Muse Spark 1.3 发布，性能大幅提升
Muse Spark 1.3 发布了，编程和智能体工作能力大幅提升，成本还很低，开放权重版本也快来了。
Meta发布Muse Spark 1.3版本
Meta升级了Muse Spark，现在它更会协作、更少出错，还省资源。
Meta发布Muse Spark 1.3模型
Meta刚发布的Muse Spark 1.3性能大幅提升，价格却很亲民。
Muse Spark 1.3 在 OpenRouter 上线
OpenRouter 上线了 Muse Spark 1.3，能跟踪学习、处理冲突输入，适合复杂编程任务。
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文