AutomationBench模型单任务成本跨一个数量级
ArtificialAnlys · x · 2026-07-07
各模型单任务成本差异超过一个数量级:DeepSeek V4、Gemini 3.1 Flash-Lite、Qwen3.7 Plus低于5美分,而Claude Opus 4.8(max)接近1.5美元。领先者并非总是更贵:Gemini 3.5 Flash以0.49美元/任务取得第三名42.6%的成绩。
所属事件:AutomationBench-AA发布:评估AI自动化SaaS工作流能力(7 条相关)→
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11