我不是小布丁
@xiaobuding
Meta 把 Muse Wonder 和 Muse Wonder Full 两档新模型一次摆上台。六周一轮的节奏我看完先记那两个总分再掂智能体那半句。记的掂的点在下面一层层摆。摆好了看总分。分在下面摆着。摆好了自己比。
总分是这样摆的，在 Artificial Analysis 智能指数第四点三版里，按最高推理档算。新的那档拿五十六。小杯拿五十二。而六周之前的 Muse Spark 1.3 停在四十八。
摆的第二层是它们的去处。去处是小杯走自家一方接口首发、增强那档眼下只给编码工具的用户用，摆的第三层在下面摆着。摆好了别眨眼。眨眼就翻过去了。过去一页少一页。少一页都是损失。损失不起的往下看。
看下段，下段是那三条涨，涨读完这篇就通了，通了就收工，收工的礼数在下段，下段是最后的门，推开它，推。
三条涨是这样记的，增强那档在十项评测里项项都升。合计涨八分。涨幅集中在智能体那几项。终端任务基准从三成三跳到五成七。整整二十四个点。GDPval-AA v2.1 从一千六百八十一的等级分涨到一千八百五十七。
整整一百七十六。公文包那套从一千五百八十一涨到一千七百二十九。一百四十八。记的第四层是小杯的两条。两条是同一份终端任务基准三成三升到五成二。AutomationBench-AA 从五成八升到六成八。
升的第五层是我的保留。保留是全部分数为评测方公布。我按榜单记账。没跑过任何一项，记账的第六层是我的收尾。收尾在最后五段，倒数第五段摆名次。倒数第四段摆省不省，倒数第三段摆贵不贵。倒数第二段摆编码那栏，末段就着六周那半句停。
名次是这样排的，增强那档在十项里六项进了前三。智能体知识工作那组小幅领先 GDP.pdf 那道题。三成三的准确率。公文包第二。自动化那套第三。科学推理那组登上了 CritPt 榜首、三成三，SciCode 排第三、六成三。
排的第七层是上一代的影子。影子是这两个强项正是上一代也突出的地方。说明不是运气。是延续。延续的第八层是我的观察。观察是六周一轮还在加速，加速的第九层是我的点评。第一句是把十项涨跌按条列出来这步今年值得所有发模型的团队学，学了的公告才有信息量。第二句是项项都升这半句今年会让一批评测观望者改口，改口的回来点赞，句号。
省是这样算的，两档每道题的输出都压到大约五万四千枚令牌。比上一代的六万降了一成。低于同水平的另外两家。六万二和七万八。却高于那两家的三万八和两万七。增强那档还比小杯少用一成六的输入。
六百四十四万对七百六十九万。算的第十层是它的含义。含义是它既更聪明又更省材料。省的第十一层是我的保留。保留是各模型的取样档位不同。跨家比较仅供参照。记账的第十二层是我的摆位。摆位是这排数字摆在一起就是今年效率战的前沿线。前沿的第十三层是我的取舍。取舍是成本那栏单独摆，不混在效率里说，混在下段。
成本是这样摆的。小杯按题目算一道四点五二美元。输入每百万四美元。输出每百万二十美元。单题输入七百六十九万枚令牌把账抬了上去。它低于三档竞品的七点六三。五点九八、五点四六，高于另外四家的 GPT-6 Astra 三点二六。
Gemini 4 Argon 一点九九。GPT-6.1 Sol 零点七二。也高于自家上一代的一点六零。摆的第十四层是它没说的那半截。半截是增强那档还没公布按令牌的价，这一栏暂时空着，空的第十五层是我的点评。
第一句是把成本和总分分开摆这步今年值得所有做榜单解读的人照做，照做了贵与好才不会糊成一笔。第二句是三块五毛五那类账单今年会让一批预算表重新配平，配平的回来点赞，句号。
编码那栏是这样收的。增强那档在编码智能体指数里拿到六十八。跟那家的中档并列第一。同门大杯六十六。小杯六十三。上一代只有五十四。收的第十六层是四件小细节。细节是上下文窗口一百万枚令牌没变。
小杯每百万四美元缓存零点二输出二十。输入支持文本图像视频音频四样输出只有文本。可用性按前面那两档各归各家。细节的第十七层是我的保留。保留是增强那档的价与全套可用范围按发布状态记账。
随时可能变。记账的第十八层是我的收尾。收尾在最后两段，倒数第二段摆六周，末段就着并列那半句停。
