能力 vs 帳單
指數 71.5 對應 Σ $5.5／MTok，Value 13.0。高指數不自動等於該買——看任務失敗成本是否撐得住溢價。
效率前沿CF-1.3Paretoagent
Muse Spark 1.3
Muse Spark 1.3 定位為「效率前沿」：Cheese Index 71.5（#12）。在能力與成本之間不可被支配，適合短名單第一輪。場景上最貼近「編碼代理」。
2026-10-14 快照。 Meta · 3 路交叉訊號 · Pareto · Ops 54.0 · 最佳 Fit 編碼代理 · Meta
CHEESE INDEX
71.5#12
DEPTH
75.3
OPS
54.2
VALUE
13.00
BALANCE
78.3
CONSENSUS
78.3
Σ COST
$5.5
LATENCY
2543 ms
優勢訊號
- 落在成本－能力 Pareto 前沿：同成本難找到明顯更強、同能力難找到明顯更便宜。
- 多軸共識 78.0，交叉訊號分歧較小。
- 專長「agent」相對群體抬升 +20.8。
- 場景 Fit 首選「編碼代理」（63.8）。
- 深度複合 75.3，能力覆蓋面不只單一軸。
風險與缺口
- 長程軸覆蓋不足，長 horizon 任務勿只看總指數。
深度雷達
實線＝本模型 · 虛線＝群體中位
芝士軸
coding
agent
場景 Fit
★ 編碼代理
均衡穩健
成本優先
長程任務
生成原型
關鍵取捨
指數 vs 體感
Ops 54.0 與 Index 71.5 是否同向？若指數高但延遲差，適合作離線／批次，而非同步對話主路徑。
均衡 vs 尖峰
三軸平衡 78.0。分歧小，適合通用預設。
專長對齊
相對群體在「agent」抬升 +20.8。任務面不匹配時，抬升無法兌換成產品價值。
部署體感
Ops54.2
Latency2543 ms
Throughput21.6
I / O$1.25 / $4.25
體感中段或偏弱：可作批次／離線，或搭配更快的分流模型。
驗證清單
- 用 3–5 個自家真實任務（含失敗案例）跑 A/B，勿只看排行分數。
- 記錄延遲 p50／p95、錯誤率與單位任務成本，對齊 Ops／Value 敘事。
- 若作預設模型：設好降級備援（更便宜或更快的分流模型）。
- 上線後追 7 日指數波動與產品 KPI，決定是否留在短名單。
能力細節
coding ★
agent ★
math ★
knowledge ★
reasoning ★