Command Code 使用同一 /design 提示对 Muse Spark 1.3、Grok-4.6 与 Gemini 3.8 Flash 进行 FlappyBench 实测。Muse 与 Grok 均获 9/10，但 Muse 仅花费 $0.072；Gemini 得分 7/10、花费 $0.205 且未完全完成任务。
7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
@ArtificialAnlys 发布 AA-Briefcase 评测：Grok 4.7 仅次于 Anthropic 模型，排在 Opus 5 之后且每任务成本约为其一半。相对 Grok 4.6，公开尽调场景 AA-Briefcase-Lite 上 Analytical Quality Elo 从 1698 升至 1994，Presentation Elo 从 1531 略降至 1499；示例 deck API 成本约 Grok 4.7 (xhigh) $8 vs Grok 4.6 (xhigh) $4.40。
Command Code CEO Ahmad Awais 发布 Composio 基准结果称，Command Code 在开放模型上的 Agent harness 对比中解决 30 项任务中的 18 项，并以 375 秒平均用时领先；该贴引用了 Composio 在 GPT-6 Astra 上对六种编码 Agent harness 的测试。
LMArena 称 Meta Muse Spark 1.3（xHigh）以 AutoEval 1623 分约居 Code Arena: WebDev 第 10，接近 Claude Fable 5（1628，第 8）与 GPT-5.6 Sol（1616，第 11）。相对 Muse Spark 1.1（1540，第 25）与 1.2 xHigh（1534，第 30）提升明显；分数为早期 AutoEval，仍待真人投票收敛。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察