更强模型在智能体任务上耗时更长
ArtificialAnlys · x · 2026-07-08
Artificial Analysis数据显示,更强的模型倾向在每个任务上花费更长时间:Claude Fable 5平均约16.9分钟/任务,Claude Opus 4.8约18.5分钟,Claude Sonnet 5约22.8分钟。GLM-5.2是例外,仅约5.0分钟/任务就达到与Opus 4.8相当的全通过率;DeepSeek V4 Flash是最快实现非零全通过率的模型,平均约4.4分钟。
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
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11