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 工作指数首榜(6 条相关)→
「模型」频道最新
- Qwen 3.8 两版本推理能力对比：Q4 反超 Q5 — k-r-a-u-s-f-a-d-r · 2026-08-19
- GLM-5.3 评分 60 追平 Kimi K3，将开放权重 — ArtificialAnlys · 2026-08-19
- Gemini 生图在 Hetzner 服务器静默失败，元凶竟是数据中心 IP — dota2dinall · 2026-08-19
- GLM-5.3 评测指数达 60 分，仍是中国最强模型之一 — teortaxesTex · 2026-08-19
- DFlash 2 现已支持 Qwen 3.8 27B 与 Muse Glimmer — rerri · 2026-08-19
- Codex 新版破坏 subagents，回退 0.142.0 可规避 — chibop1 · 2026-08-19