Surge AI 发布 Tuesday 工作指数,8 项基准合一测模型真实职场能力
echen · x · 2026-08-19
Surge AI 推出 Tuesday: The Frontier Work Index,以"职业智能不是单一能力"为前提,把 8 个基准合成单一分数:
- 合成基准:Chartography(读图表)、HANDBOOK.md、GDP.pdf、ComplexConstraints、CoreCraft、Hemingway-bench(表达可读性)、Antidote、Riemann-bench,后续还会增加。
- 设计理念:既测下限(遵循指令、保持上下文、使用工具),也测上限(创造性推理),还测"软技能"——判断力与品味,因为没人想读一份推理完美但晦涩的报告。
榜单部分成绩(GPT 5.6 Sol Max 66.7、Claude Opus 5 Adaptive/Max 66.5、Grok 4.6 xHigh 62.4、DeepSeek V4 Pro 59.7、Qwen 3.8 Max 58.7 等),覆盖 OpenAI/Anthropic/xAI/Google/DeepSeek/Meta/Moonshot/智谱/阿里等主流模型的不同推理档位。
所属事件:Surge AI 发布 Tuesday 职场基准，Fable 5 微胜 GPT 5.6 Sol(7 条相关)→
「模型」频道最新
- 传智谱 GLM 5.5 即将发布，编码能力有望追平前沿模型 — bindureddy · 2026-10-16
- 五轮对抗后输出趋同：Claude Opus 5.5 与 Argon 创作实验结果诡异一致 — LanceCharger · 2026-10-16
- 自建「主观判断」基准：18 个模型一致性测试，GLM-5.3 登顶 — arkuto · 2026-10-16
- Bindu Reddy 实测:Argon 擅长复杂文档写作,成本仅 Opus 一半 — bindureddy · 2026-10-16
- MAI-2 比 V4-Pro 大 2 倍，微软 scaling 阶梯效率存疑 — teortaxesTex · 2026-10-16
- 阶跃 Step 5 Preview 上线 DeepInfra:600B MoE、1M 上下文,百万 token 输入 $1 — StepFun_ai · 2026-10-16