OpenRouter推出Web搜索基准测试，涵盖多模型与配置排名
AravSrinivas · x · 2026-08-14
OpenRouter宣布推出Web Search Benchmarks，提供不同模型和配置下搜索工具的排名，帮助用户决定如何为agent提供grounding。基准测试包括τ²-Bench Airline、GPQA Diamond、BrowseComp、DeepSearchQA和HLE等，每个分数都链接到配置、成本和遥测数据。例如，在BrowseComp中，Perplexity with Claude Opus 5 (high)以89.0%的质量得分领先；在DeepSearchQA中，Perplexity with Claude Opus 5 (high)以76.5%领先。
「研究」频道最新
- 高中生用 AI 分析 NASA 数据，发现 150 万个潜在变星 — PeterDiamandis · 2026-08-15
- AI 重处理 8 万 PDB 结构，揭示 6 万+ 蛋白质动态构象 — anshulkundaje · 2026-08-15
- CMU 博士谈自适应智能体：从记忆技能到上下文适配，挑战何在？ — Diyi_Yang · 2026-08-15
- xbow发布1600个Agent漏洞分析：基准已饱和，多步攻击成常态 — moyix · 2026-08-15
- 新论文：150M模型ARC-AGI得分29.5%，每任务成本仅0.0007美元 — burny_tech · 2026-08-15
- ProteinDPO登Nature Methods：蛋白质生成模型对齐实验适应性 — BrianHie · 2026-08-15