AI 产品

Muse Glimmer AI模型在智能体评估中落后同类，但工具使用表现突出

首次出现 8月11日 11:32·最近更新 8月11日 11:32

Muse Glimmer AI模型在多项评估中显示与同类模型的差距。在GDPval-AA v2智能体评估中，其Elo分数为953，低于Qwen3.6 27B和Gemini 3.5 Flash-Lite的1141。在Terminal-Bench v2.1上得分52%，落后于Qwen3.6 27B的61%。幻觉评估AA-Omniscience显示Muse Glimmer为82%，高于Qwen3.6 27B的49%和Flash-Lite的34%（较低更好）。其尺寸相当模型Gemma 4 31B在所有这些方面表现更差。例外是智能体工具使用，Muse Glimmer在Tau3-Banking评估中得分24%，领先于Gemini 3.5 Flash-Lite的18%和Qwen3.6 27B的17%。所有数据均来自评估结果，未涉及互动量或可信度讨论。

多来源证据

Twitter/X AI List·twitter·8月11日 04:42

Muse Glimmer与其同类模型的差距集中在智能体评估中：GDPval-AA v2上Elo分数953，而Qwen3.6 27B（Reasoning）和Gemini 3.5均为1141

Muse Glimmer与其同类模型的差距集中在智能体评估中：GDPval-AA v2上Elo分数953，而Qwen3.6 27B（Reasoning）、Gemini 3.5 Flash-Lite和Kimi K2.5（Reasoning）分别为1141、1141和1004；Terminal-Bench v2.1（52%）也落后于Qwen3.6 27B（61%）。幻觉差距如下：AA-Omniscience上82%对Qwen3.6 27B的49%和Flash-Lite的34%（较低更好）。其尺寸相当模型Gemma 4 31B（Reasoning）在所有这些指标上都比Muse Glimmer表现更差

事件时间线

8月11日 04:42
Twitter/X AI List
Muse Glimmer与其同类模型的差距集中在智能体评估中：GDPval-AA v2上Elo分数953，而Qwen3.6 27B（Reasoning）和Gemini 3.5均为1141