Meta Muse Wonder 跑分夺冠却栽在熔岩灯
AI 总结
Meta 于10月12日发布 Muse Wonder 与 Muse Wonder Full 两款模型，官方数据显示其多项基准测试进入第一梯队：Artificial Analysis Intelligence Index 得分为52分和56分，介于 Claude Opus 5.5（58分）与 GPT-6 Astra（53分）之间；SWE-Marathon 中 Muse Wonder Full 得57.5分，高于 Claude Opus 5.5 的46.3分。但测评机构 BridgeMind 随后组织的开放式实测中，要求模型制作一盏带透明玻璃外壳、动态熔岩效果和真实光影的熔岩灯，成品既无玻璃通透感、熔岩也不流动，BridgeMind 据此指控其有“刷榜应试”（Benchmaxxing）之嫌，马斯克也在 X 上回复了一句“Hmm”。文章还指出，SWE-Marathon 实际考察的是包含 Codex、Claude Code 等智能体框架的整套系统，而 Meta 此次战略重心已从 Llama 开源生态转向主打长期记忆与持续执行任务的个人 AI 助手。
深度见解
如果高分模型在开放式真实任务中频繁失手，用户对 AI 能力的信任与基准测试本身的可信度都会受到考验。