Macaron V1 Venti 在 Agent 和编码基准上全面走高

teortaxesTex · x · 2026-07-22

图中展示了 Macaron V1 Venti 在一组聊天、Agent、编码和 UI 任务基准上的成绩，并与 GLM 5.2、GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro、Qwen 3.7 Max、Minimax M3 等模型做了对比。它在 PinchBench 94.0、TerminalBench 2.1 87.6、UI4ABench 87.8 等项目上表现尤其突出。

作者据此认为：中文模型整体仍然训练不足、RL 还不够，因此哪怕是相对温和的后训练，也还能把模型继续往上推；这也会削弱“只靠大规模蒸馏就够了”的判断。

图中几个关键分数

• ChatBench：58.3
• LivingBench：64.0
• PinchBench：94.0
• TerminalBench 2.1：87.6
• DeepSWE：58.4
• UI4ABench：87.8

原文链接 →

「模型」频道最新

• 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
• Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
• ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26
• 用 Claude 讲清压限器自动增益补偿，音频工程师直呼最佳示范 — teropa · 2026-10-26
• ChatGPT 把记者当客服：404 Media 收到大量 AI 代写爆料邮件 — 404 Media · 2026-10-26
• Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26

更多「模型」频道 AI 资讯 →