GLM 5.2 在长链路浏览基准上接近翻倍 Kimi K3
zainhas · x · 2026-07-24
一张新的复合基准图显示，GLM 5.2 在长链路浏览任务上的表现明显高于 Kimi K3。
- 这项 Composite-Bench 测试面向 long-horizon browser work，采用 exact match 评测，并固定推理预算。
- 图中给出的结果里，GLM-5.2 为 63%，而 Kimi-K3 为 31%，相当于接近翻倍。
- 同图还列出了其他模型：Claude Fable 5（74%）、Claude Opus 4.8（73%）、Gemini 3.5 Flash（27%）、MiniMax-M3（26%）、GPT-5.6 Sol（18%）、Grok-4.5（9%）。
「模型」频道最新
- FrontierML 榜单：开源与闭源模型在端到端 ML 任务上差距仍大 — scaling01 · 2026-10-27
- 初创公司 Mirendil 发布 Fern 模型，支持最高 1000 万 token 上下文 — shayan_ · 2026-10-27
- 「Fable 5.5 本周发布」传闻满天飞,daniel_eck 刷梗万圣节 Costume — daniel_mac8 · 2026-10-27
- 仅 125 条投毒样本即可给 Qwen2.5-7B 埋后门,引发下载安全争议 — lxrjl · 2026-10-27
- 「未来模型」排行榜惊现 Gemini 4 Argon 与 GPT-6.1 Sol,作者直呼可疑 — teortaxesTex · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27