长程智能体循环成顶级模型特征
ArtificialAnlys · x · 2026-07-08
Artificial Analysis分析显示,在智能体长循环任务中表现领先的模型普遍运行更多轮次。Claude Fable 5在14.2%全通过率下平均每任务约64轮;Claude Opus 4.8、GLM-5.2、MiniMax-M3落在56-64轮区间。Claude Sonnet 5运行轮次最长,平均每任务约161轮,是Fable 5的2.5倍。
所属事件:Artificial Analysis 发布 Harvey 法律智能体基准评测(8 条相关)→
「模型」频道最新
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11
- 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