LisanBench 大更新：Muse Wonder 包揽前二，达标成本月降逾两成

scaling01 发布 LisanBench 基准重大更新，首次系统性测试多个推理强度档位；Muse Wonder 包揽前两名，使达标成本每月下降 22% 至 25%，测试结论保持独立。性价比数据则显示，Haiku 5.5、GPT 6 Luna 与 DeepSeek V4.1 Flash 1017 的每美元得分最佳。