开源模型事实性趋势观察
arena · x · 2026-07-16
Arena 继续分享事实性研究的观察。
- 在提高事实性权重后，大多数开源模型分数都会下降，尤其是 nvidia-nemotron-3-ultra。
- 少数例外包括 mistral-medium-3.5 和 Tencent huyuan-hy3-preview，它们在更高事实性权重下反而提升。
- 他们还观察到：随着旗舰模型发布时间推进，OpenAI 是唯一一个在较长时间内持续改善纯事实性分数的厂商；xAI 和 Meta 近期发布的模型也在改善。
所属事件:Arena 将事实性纳入模型排行榜(12 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