LlamaExtract Agentic Plus仍居榜首，但评测可能过拟合或存在错误
VikParuchuri · x · 2026-08-15
VikParuchuri 指出 LlamaExtract Agentic Plus 在基准测试中仍领先，但可能原因包括：擅长该文档类型、基准过拟合（厂商常在自己基准上领先）、或评分存在重大错误。此前他提到开源模型 lift 得分高于 API（77% vs 65%），暗示评分可能有问题。
所属事件:LlamaIndex基准评分有缺陷，修复后得分升至93.6%(6 条相关)→
「模型」频道最新
- 实测：Qwen 3.8 27B 免费自托管击败 Claude Opus 4.6 — testingcatalog · 2026-08-15
- GLM-5.3 后训练碾压美系开源模型，SemiAnalysis 点评 — teortaxesTex · 2026-08-15
- Grok 4.6 生物基准领先但生物安全拒答率极低 — kenbwork · 2026-08-15
- Gemini 遭低估：检索与数学任务表现优于头部模型 — rickasaurus · 2026-08-15
- 前 OpenAI 员工吐槽：Grok 4.6 系统卡问题依旧 — Miles_Brundage · 2026-08-15
- 智谱 GLM-5.3 对标顶尖模型，分析中国实验室如何保持前沿 — Interconnects (Nathan Lambert) · 2026-08-15