一份 60 万 token 关系测试在比模型理解私密上下文的能力
cis_female · x · 2026-07-21
作者把自己和一位朋友过去一年大约 60 万 token 的聊天记录喂给多个模型，要求它们围绕一些具体问题评论这段关系，再由 Fable 5 进行评分。
这条帖子本身主要是在展示这套“关系理解”评测的结果入口，附图里给出了各模型的分数与排名。
所属事件:60万字真实聊天记录实测大模型关系理解(6 条相关)→
「模型」频道最新
- 网友热议 DeepSeek 新模型:K3 还是缩水版 K3-Flash? — teortaxesTex · 2026-09-11
- DeepSeek 新版多轮改 System Prompt 不再击穿缓存，费用省 36.6% — teortaxesTex · 2026-09-11
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- 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