LiveBench 2.0 更新：Muse Wonder 1.0 模型总分 78.1，代理任务得分 53.2

LiveBench 2.0 于 2026 年 10 月 15 日发布了最新榜单。Muse Wonder 1.0 模型在总体评估中获得了 78.1 分，其中在 Agentic (代理) 任务中得分 53.2，在推理 (Reasoning) 任务中得分 90.6，编码 (Coding) 任务得分 86.2。其单次成功任务成本为 1.807 美元，展现了较好的成本效益和综合性能。