Grok登顶罕见病诊断榜首，DeepSeek与GLM新模型表现不及预期
ns123abc · x · 2026-08-14
最新评测显示，Grok 4.6在RareBench罕见病诊断基准测试中登顶，以约三分之一的成本击败了Anthropic的Claude Opus 5。同时，DeepSeek新发布的v4-pro-0813模型表现不及预期，甚至不如v4-flash版本，疑似API端点切换存在问题。此外，ZAI的GLM5.2也表现不佳，在编码能力上逊色于Kimi K3。
所属事件:Grok 4.6登顶罕见病诊断榜首，DeepSeek新模型翻车(2 条相关)→
「模型」频道最新
- 前微软高管称初测 Argon 数学能力强劲、后训练一流 — MParakhin · 2026-10-16
- ThursdAI 纽约现场版上线：Meta Muse Wonder 与 Gemini 4 Argon 专场 — altryne · 2026-10-16
- Claude 已主导 Anthropic 26% 模型研发，2 月还不足 1% — altryne · 2026-10-16
- 用户设计「永远只说谎」测试,模型明确拒绝接受为永久规则 — Tischler285 · 2026-10-16
- Reddit 长文给 AGI/RSI/ASI 下硬定义:称 GPT-6 已达 AGI 门槛 — Crayola_God · 2026-10-16
- 「小型 Claude 羞耻」引热议：让 Opus 4.7 知道你是谁或许更好 — repligate · 2026-10-16