在神经网络的分类模型中，最后的输出层通常会根据具体的任务选择合适的激活函数。对于多分类问题，通常使用Softmax函数作为激活函数。因此，正确答案是B: Softmax函数。

### 专业分析：

1. **Softmax函数：**
- **用途：** Softmax函数常用于多分类问题的输出层。它将输出层的线性组合转换为概率分布，使得每个类别的概率之和为1。
- **公式：** 对于输出向量 \( z \)，Softmax函数定义为：
\[
\text{Softmax}(z_i) = \frac{e^{z_i}}{\sum_{j} e^{z_j}}
\]
- **特性：** Softmax函数不仅可以输出概率，还可以通过最大概率值确定预测的类别。

2. **其他选项分析：**
- **tan函数：**
- 常用于隐藏层的激活函数，但不适合用于输出层的多分类问题，因为它输出的范围是 \([-1, 1]\)。

- **MSE函数：**
- 均方误差（Mean Squared Error, MSE）是损失函数，不是激活函数。它用于评估回归模型的预测误差。

- **Log函数：**
- 对数函数在激活函数中不常用，尤其不适合用于输出层的多分类问题。

因此，在多分类任务的神经网络中，Softmax函数是最常用的选择，用于将网络的输出转换为概率分布。