Meta新模型连夺三榜第一，法律Agent反超Grok 4.5

据动察 Beating 监测，AI 评测机构 Vals AI 公布 Muse Spark 1.1 成绩。模型在医疗文书、税务问答和法律 Agent 三项评测中排名第一，得分分别为 88.89%、79.72% 和 20.00%。 在税务评测 TaxEval v2 中，它超过 Fable 5、Opus 4.8 和 GPT-5.5。该评测包含超过 1200 道未公开测试题，既检查答案，也检查推理过程。头部模型差距较小，前十名相差不到 3 个百分点。 法律 Agent 评测中，Muse Spark 1.1 得分 20.00%，超过 Grok 4.5 的 12.92% 和 Fable 5 的 11.25%。测试要求模型使用文档、表格和文件工具完成真实法律工作。 它在网页应用编程评测中得分 72.16%，超过 GPT-5.5、Grok 4.5 和 GPT-5.4，但仍落后于 Fable 5 和多款 Claude 模型。

「查看原文」