LMArena 对齐指数更新:OpenAI 包揽前七,Kimi K3.1 Pro 大幅跃升

LMArena 于 11 月 21 日更新 Alignment Index(对齐指数),该指数衡量智能体在真实用户会话中的对齐行为,从越权操作、虚假完成、错误归因三个维度检测模型失败;本轮更新优化了失败检测信号,覆盖更广、判定更可靠。结果上 OpenAI 表现最为强势,包揽全部七个头名位置,GPT-6.2 Sol 以 85.2 分居首;Anthropic 的 Opus 5.5 在新方法下排名从第 6 跌至第 17,而 Claude Fable 5.2 首次上榜即位列第 8。

已确认

为什么重要

2026-11-21 ~ 2026-11-22 · 6 条相关

一手来源