法律评测:全通过率与单任务 token 产出正相关
ArtificialAnlys · x · 2026-07-08
Artificial Analysis 指出模型全通过率通常与单任务工作量挂钩:Fable 5 单任务生成约 11.7 万输出 token 达到 14.2% 全通过;Opus 4.8 与 GLM-5.2 分别约 11.1 万、7.8 万 token 达到 7.5%;Sonnet 5 单任务生成约 17.9 万 token,为本次评测产出最多,却只达到 5.0%。
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
- 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