Meta'nın yeni modeli üç listede birinci oldu, hukuk ajanı Grok 4.5'i geride bıraktı.

Beating'in izlemesine göre, AI değerlendirme kuruluşu Vals AI, Muse Spark 1.1'in sonuçlarını açıkladı. Model, tıbbi belgeler, vergi yanıtları ve hukuk ajanı olmak üzere üç değerlendirmede birinci sırada yer aldı ve sırasıyla %88,89, %79,72 ve %20,00 puan aldı.

Vergi değerlendirmesi TaxEval v2'de Fable 5, Opus 4.8 ve GPT-5.5'i geride bıraktı. Bu değerlendirme, 1200'den fazla yayınlanmamış test sorusu içeriyor ve hem cevapları hem de akıl yürütme sürecini kontrol ediyor. Lider modeller arasındaki fark küçük; ilk on sıradaki modeller arasında %3'ten az puan farkı var.

Hukuk ajanı değerlendirmesinde Muse Spark 1.1, %20,00 puan alarak Grok 4.5'in %12,92'sini ve Fable 5'in %11,25'ini geçti. Test, modelin belgeler, tablolar ve dosya araçlarını kullanarak gerçek hukuki işleri tamamlamasını gerektiriyor.

Web uygulama programlama değerlendirmesinde %72,16 puan alarak GPT-5.5, Grok 4.5 ve GPT-5.4'ü geçti, ancak hâlâ Fable 5 ve birkaç Claude modelinin gerisinde kaldı.