Muse Spark在推理和指令遵循评估中表现强劲

评估结果全面分析：Muse Spark 在推理和指令遵循评估中表现强劲。HLE 得分 39.9%，仅次于 Gemini 3.1 Pro Preview（44.7%）和 GPT-5.4（xhigh，41.6%）。该模型在 CritPT（聚焦困难物理研究问题的评估）中以 11% 的得分位列第五，显著高于 Gemini 3 Flash（9%）和 Claude 4.6 Sonnet（3%）。