0813 成最强开源模型？ProgramBench 测评数据揭秘
teortaxesTex · x · 2026-08-23
X 用户分享了 ProgramBench Vetted 的测试结果。文中提到 'almost' 意味着至少通过 95% 的测试任务。虽然 Opus 5 整体表现强劲，但在该基准测试中，0813 表现为严格意义上的最强开源模型。
所属事件:ProgramBench 评测出炉：Opus 5 领先，0813 夺最强开源(2 条相关)→
「模型」频道最新
- 实测对比：决策模型在安全分类与工具路由上不输 LLM 且更快 — randal_olson · 2026-10-16
- 数据说话：路由和安全分类用决策模型，中位速度快 7-8 倍 — randal_olson · 2026-10-16
- 小米 MiMo V2.6 Pro 登顶 Agent Arena 开源榜，成本仅 $0.11/任务 — arena · 2026-10-16
- 决策模型 vs LLM：知识推理 LLM 胜，路由审核平手且前者更快 — randal_olson · 2026-10-16
- ChatGPT 推荐视频工具时提示「可通过 Runway 集成获取」，被讽疑似软广 — tlakomy · 2026-10-16
- 微软 MAI 自研 3T 参数级预训练基座模型完成，后训练结果即将公布 — soumitrashukla9 · 2026-10-16