Arena 新鲜度事实性排行
arena · x · 2026-07-16
Arena 的 factuality 指标出现了新的模型对比结果：
- GPT-5.6 目前最强，Grok-4.5 紧随其后。
- Opus-4.8 在 factuality 上高于 Fable-5。
- Muse-Spark 在 factuality 权重提高后分数明显下滑。
帖子还借此调侃：一些 RL 计算资源似乎是“长期才被发现价值”的。
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