Muse Spark 1.3 MAX 登顶评测榜第三

暂时打断一下常规的 muse 更新，但 @scale_AI 在 RSI benchmark 上取得了很棒的进展 【引用 @ScaleAILabs】：600+ 份提案 🤯 我们正在联系顶尖贡献者，开始在我们的公开仓库中构建。 我们还欢迎了 @SchmidhuberAI--RSI 的先驱--担任 RSI Bench 的高级顾问。 关于我们的设置和验证流程的新博客：https://rsi-benchmark.com/blog/verification-in-rsi-bench

Alexandr Wang 转发一条用户推文，该用户称未受 Meta 赞助，但盛赞 Meta 的 Muse 比又一个只提升 2% 评测分数的编程模型有价值、重要 1000 倍。他认为 AI 的瓶颈从来不是模型，而是缺少像 iPhone 那样人人可用、有趣友好的产品，并称个性化智能体比通晓一切却居高临下的工具值钱百倍。

Alexandr Wang 称 muse 最被低估的部分是其背后的模型，感谢 MSL 研究团队攻克难题、发明新方法，打造出 muse 的核心。他还感谢 agentic 后训练、工具与计算机使用、记忆、个性化、对齐、安全及多模态理解等团队，以及数据、评测和基础设施团队。他表示这一核心模型如今驱动着一款普通人无需了解底层复杂性即可使用的产品。

听听投资者 pepe 怎么说…… Muse 的评测反响远超我们最疯狂的想象！ 【引用 @pepemoonboy】：$META 的 Muse 应用的评测简直疯了…… 我觉得这还没有真正反映在股价里 👀

muse spark 1.3 是最强前沿模型中不作弊 / 不进行奖励黑客的。 【引用 @hendrycks】：AI 智能体多久作弊一次？ 我们发布 CheatBench，一个覆盖数学、编程、知识工作、视觉任务等的奖励博弈评测。 在 Hugging Face 之后，AI 公司试图解决这个问题，但前沿智能体仍然频繁作弊。 https://cheatbench.ai/

评测出乎意料地全面！ 【引用 @ai】：AI 个人助手太多了，没时间一一评估。这项工作做得不错：https://assistantbenchmark.com

Scale AI 创始人 Alexandr Wang 转发评测称其 AI 助手速度比 Grok Bot/Instinct 快 5-10 倍，且免费。该产品采用单聊天窗口加临时"侧边聊天"设计，并设有优于同类产品的灵感页面，整体 UX 轻快流畅，适合新用户上手。

有趣的评测 Muse Spark 1.3 max 相比 xhigh 是一次可观的升级。 它在许多类别上进一步提升了性能，而每项任务仅需略高的成本和略长的时间。 其时间视野也大幅改善，已达到与 GPT-5.6 Sol 和 Opus 5 相同的水平。

Microsoft Research 的 Xinzhi Zhang 与 Zhao Song 证明 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凹分布的最优平面切割与任意形状切割的差距不随维度增长，以普适常数为界。

Wiz Research 披露 PHP 核心中的多个内存安全漏洞（CVE-2026-109618/109619，CVSS 最高 9.2），实现无需认证的远程代码执行与内存泄露，影响至少追溯到 PHP 5.4 的近十年版本。