Benchmark 汇总
Muse Wonder Benchmark 汇总：独立跑分、官方报告与测试口径
整理 Wonder 和 Full 的独立跑分，区分 Artificial Analysis 指数与 Meta 官方成绩表，保留版本、推理档位和来源。
最近核查 · 独立编辑整理
在本次核查的 Artificial Analysis 快照中，Wonder（max）智能指数为 52，Full（max）为 56。Meta 发布的成绩表另列，不能视为本站独立复测。
独立测评快照
| 模型 / 推理档位 | AA 智能指数 | 输入 / 百万 | 输出 / 百万 | 公开 API | 来源 |
|---|---|---|---|---|---|
| Muse Wondermax | 52 | $4 | $20 | 有 | AA |
| Muse Wonder Fullmax | 56 | — | — | 无 | AA |
| Claude Opus 5.5max | 58 | $4 | $20 | 有 | AA |
| GPT-6 Astramax | 53 | $10 | $50 | 有 | AA |
| Gemini 4 Argonhigh | 53 | $2 | $10 | 有 | AA |
第三方测评 · Artificial Analysis·最近核查
跑分来自 Artificial Analysis Intelligence Index v4.3.2，越高越好。价格为测评方列示的美元 / 百万 token，实际费率可能因档位而异。不同推理档位已注明。本站没有自行运行这些测试。
综合指数不保证某个具体任务成功
本站解读 · 见引用来源·最近核查
综合指数将多项测评合成一个数字，适合初步筛选，不直接回答某次仓库修改、文档流程或电脑操作能否成功。
本页使用 Artificial Analysis Intelligence Index v4.3.2，并保留每个模型的推理档位。Wonder 和 Full 使用 max，其他模型的公开配置也分别列明，不包装成相同推理预算的测试。
官方表与独立测量分开读
本站解读 · 见引用来源·最近核查
Meta 模型报告说明了哪些数据来自内部运行、第三方报告或模型提供方。部分编程成绩沿用不同智能体产品与运行框架，出现在同一张官方表上不代表测试环境完全统一。
这里单独链接官方报告和独立测评。本站没有重跑这些测试，也不会把不相关基准平均成一个新排名，或把推测成绩写成实测值。
用自己的工作流做小规模评估
本站解读 · 见引用来源·最近核查
固定提示、工具权限、上下文、输出预算、重试策略和验收条件，记录成功次数、失败成本与人工修改时间。
编程任务使用同一套测试检验交付结果；长任务确认最终状态是否满足要求。每 token 更便宜，不代表每个成功任务的成本更低。
常见问题
本站解读 · 见引用来源·最近核查
为什么不同网站跑分不一样？
模型版本、推理档位、基准版本、工具、运行框架与发布日期都可能不同，应回到原始测评核对。
本站自行测过吗？
没有。独立表格链接到 Artificial Analysis 模型页，Meta 的成绩表及方法报告另列。
Full 是不是所有任务都比 Wonder 好？
更高的综合指数不能证明每个任务或基准都胜出，还需要查看具体测试并评估自己的工作流。
来源与核查说明
官方价格、模型能力与访问资格，和独立测评分别标注。日期代表本次编辑核查，数据不会自动刷新。