Muse Spark 1.2、SpaceXAI と同点で AI ベンチマーク 3 位

記事の3ポイント

1. 1

   エージェント性能の劇的改善

   Muse Spark 1.2 は知識作業におけるエージェント能力を強化し、GDPval-AA v2 のスコアが前バージョンから大幅に上昇して上位モデル群に並んだ。

2. 2

   コスト効率と利用量のトレードオフ

   知能指数レベルではコスト効率が優れているものの、タスクあたりのコストは増加しており、これはトークン使用量の増大が主な要因である。

3. 3

   不確実時の回答拒否の増加

   ハルシネーション率を低下させるため、同社は不確実な質問への回答拒否（アブステイン）率を引き上げ、信頼性の高いモデルへと進化させた。