Muse Wonder 建模大翻车，亚历山大·王辩护遭马斯克无情补刀

Meta 10 月 12 日发布的 Muse Wonder 基准成绩亮眼（Wonder Full 在 SWE-Marathon 得 57.5 分、DeepSWE 1.1 得 79.0 分），却在开发者社区的一项 3D 测试中翻车：要求做一盏熔岩灯，只生成了一个红色圆柱体，随即被质疑「Benchmaxxing」，马斯克留言「Hmm」，Meta 首席 AI 官 Alexandr Wang 回应称团队未针对 3D 演示做显式训练。文章同时指出，被测的是普通版而非 Full 版，官方模型卡已把 3D 与空间推理列为已知短板，且跨模型成绩使用了不同的执行框架（Harness）。这场争议是「如何看待 Agent 跑分」的一个典型案例。

• 雷锋网 AI2026-10-19 04:23