Сообщение Bitu: Новая модель Meta Muse Spark 1.1 заняла первое место в трёх тестах, опубликованных AI-оценочной организацией Vals AI: медицинские документы (88,89%), налоговые вопросы (79,72%) и юридический агент (20,00%). В налоговом тесте TaxEval V2 Muse Spark 1.1 превзошла Fable 5, Opus 4.8 и GPT-5.5; тест включал более 1 200 неопубликованных задач, проверяющих как ответы, так и процесс рассуждения. В тесте юридического агента Muse Spark 1.1 набрала 20,00%, опередив Grok 4.5 (12,92%) и Fable 5 (11,25%). В тесте веб-приложений Muse Spark 1.1 набрала 72,16%, обогнав GPT-5.5, Grok 4.5 и GPT-5.4, но всё ещё уступая Fable 5 и нескольким моделям Claude.

META4,68%

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

5 Лайков

Награда
5
4
Репост
Поделиться

комментарий

Добавить комментарий

ExitLiquidityEddie

· 4ч назад

Meta: 88% в медицине — неплохо, почти 80% в налогах — достаточно, но 20% для юридического агента — это серьёзно? Похоже, просто подогнали под круглое число.

Посмотреть ОригиналОтветить0

NeonUmbrella

· 4ч назад

TaxEval V2 использует 1200 неопубликованных задач для оценки рассуждений, что гораздо практичнее, чем просто набивание рейтингов. То, что Spark 1.1 превзошёл Opus 4.8 и GPT-5.5, говорит о том, что его основа неплоха.

Посмотреть ОригиналОтветить0

GateUser-cf218ace

· 4ч назад

Закон опережает Grok 4.5 и Fable 5 на 20%... Весь этот трек ещё в стадии детского сада, ждём что-то рабочее.

Посмотреть ОригиналОтветить0

MoonlightMarketMaking

· 4ч назад

В веб-программировании 72% превзошло всё семейство GPT, но не может победить Claude. Fable 5 по-прежнему стабилен. Во фронтенде у старых игроков глубокий ров.

Посмотреть ОригиналОтветить0

Популярные темы
Подробнее
#
PredictWorldCupShare20000U
257,85K Популярность
#
IsraelStrikesIranBTCPlunges
70,6K Популярность
#
USIranWarCloudsGather
3,97M Популярность
#
GUSDYieldRisesto3.8%
471,35K Популярность
#
WorldCupChampionPrediction
162,15K Популярность

Закреплено

Карта сайта

Meta новая модель занимает первое место в трёх рейтингах, юридический Agent обогнал Grok

Популярные темы

PredictWorldCupShare20000U

IsraelStrikesIranBTCPlunges

USIranWarCloudsGather

GUSDYieldRisesto3.8%

WorldCupChampionPrediction

Закреплено