热点事件持续更新
ProgramBench：Muse Wonder 加入评测
2 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 9 月 29 日，由 Meta Superintelligence Labs、斯坦福与哈佛推出的 ProgramBench 基准更新榜单。该基准要求 agent 依据编译后的二进制文件与文档，从零架构并实现完整代码库，以复现原程序行为；基准共设 200 个任务，是否完全解决由隐藏行为测试判定。更新后的榜单显示，Claude Opus 5 以 4.5% 的完全解决率居首，为目前的最高解决率，即最高解决率仍只有 4.5%。10 月 13 日，Muse 团队成员宣布 Muse Wonder 参与 ProgramBench 评测，并预告本周晚些时候公布的 % resolved 成绩会「令人震惊」。相关报道标题称最强模型在该基准上「近乎全灭」，但 Muse Wonder 的具体成绩尚未公布。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 01:18
Muse 团队宣布 Muse Wonder 参与 ProgramBench 评测，预告本周公布成绩。事件进展
2 个进展
- 10月13日 01:18 · 1 篇报道Muse Wonder 参与 ProgramBench 评测AGI Hunt：Muse 新模型亮相 ProgramBench：从二进制重建程序，最强模型近乎全灭
- 9月29日 12:02 · 1 篇报道ProgramBench 榜单更新，最高解决率仅 4.5%AGI Hunt：ProgramBench 榜单更新：Claude Opus 5 以 4.5% 完全解决率居首
报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- AGI HuntMuse 新模型亮相 ProgramBench：从二进制重建程序，最强模型近乎全灭
Muse 团队成员宣布 Muse Wonder 参与 ProgramBench 评测，并预告本周晚些时候公布的 % resolved 成绩会"令人震惊"。该基准由 Meta Superintelligence Labs、斯坦福和哈佛推出，含 200 个任务，要求 agent 仅凭编译后的二进制和文档重建完整程序行为。
9月29日
- AGI HuntProgramBench 榜单更新：Claude Opus 5 以 4.5% 完全解决率居首
由 Meta Superintelligence Labs、斯坦福与哈佛推出的 ProgramBench 基准更新，agent 需依据编译后的二进制文件与文档从零架构并实现完整代码库以复现原程序行为，共 200 个任务，以隐藏行为测试判定是否完全解决。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。