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
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11