聪明世界#13
编程顶尖自报
记性1.0M
便宜$20
记性换算成体感：一次能读完《哈利·波特》全七部
Muse Wonder 系列的全模态模型 · 按发布时间
共 2 个 · Meta的全部模型 →她的房间
电脑
没有公开的编程评测成绩
书架
5 层 · 记忆 1.0M tokens
黑板
数学与科学推理
日历
知识截止日期未公开
冰箱
支持上下文缓存，能存记忆
门禁
闭源，权重不公开
身世
- 发布日期
- 2026 年 10 月 12 日models.dev
- 知识截止
- 暂无数据
- 参数量
- 体型为估算值，官方从未公布参数量
- 开放权重
- 否
- 开源许可
- 暂无数据
- 上下文窗口
- 1.0M tokens
- 单次最大输出
- 131K
- 输入价格
- $4.00 / 百万 tokens
- 输出价格
- $20 / 百万 tokens
- 模型类型
- 全模态能听声音、也能看图，文字、图、声音一起理解
- 支持的输入
- 声音、图像、文件、文字、视频 → 文字
- 工具调用
- 是
- 深度思考
- 是
- 提示缓存
- 是
战绩
- 综合智力
- 161.7
- AIME 数学
- 99.4%
- GPQA Diamond 科学
- 未参评
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- SWE-Marathon53.1%超长时程的软件工程任务，一道题要连续工作很久，考的是耐力与不跑偏。厂商自报
- DeepSWE78.8%SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。厂商自报
- Terminal-Bench52.0%把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
- CursorBench50.4%在真实 IDE 里做代码编辑的测试，题目来自 Cursor 收集的实际使用场景。第三方实测https://cursor.com/cursorbench
- MirrorCode45.6%Epoch AI 自测的一项代码评测。第三方实测https://epoch.ai/benchmarks
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力161.7第 13 / 225Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测https://epoch.ai/benchmarks
数学
- FrontierMath82.1%第 16 / 113由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测https://epoch.ai/frontiermath
- FrontierMath 第四层70.7%第 14 / 85FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测https://epoch.ai/frontiermath
- AIME 数学99.4%第 14 / 212美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- ProofBench84.0%第 12 / 97不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测https://www.vals.ai/benchmarks/proof_bench
知识与推理
- CritPt 物理28.3%第 13 / 192研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
智能体
- 经营售货机$9,432第 9 / 101Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测https://andonlabs.com/evals/vending-bench
- APEX 专业任务66.1%第 8 / 68投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
游戏与谜题
- 推理游戏谜题51.0%第 13 / 105Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测https://epoch.ai/benchmarks
- EBR-bench31.4%第 13 / 34Epoch 自建的一项评测，具体口径以 Epoch 榜单页说明为准。第三方实测https://epoch.ai/benchmarks
其他
- Dtbench95.2%第 22 / 222Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Furniture Assembly54.2%第 11 / 41Epoch AI 收录的评测，暂无中文说明。第三方实测
- Lmca56.8%第 13 / 206Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca
- Weirdml V325.2%第 11 / 30Epoch AI 收录的评测，暂无中文说明。第三方实测https://htihle.github.io/weirdml.html