Agnes 2.5 Pro Beta 耗费 5 万输出 Token，评分升因拒答变多
ArtificialAnlys · x · 2026-08-28
评测显示，Agnes 2.5 Pro Beta 在 Artificial Analysis Intelligence Index 任务中使用了 50k 输出 tokens，是其前代 Alpha 版本 (24k) 的两倍多，也高于 Qwen3.8 27B (47k) 和 GLM-5.3 (41k)。虽然其 AA-Omniscience 评分从 -25 提升至 -11，但这主要源于 abstention（拒答/不尝试）而非准确率提升：它仅尝试了 45% 的问题（Alpha 为 94%），且准确率从 33% 降至 17%。
所属事件:Agnes 2.5 Pro Beta 跻身前沿梯队(5 条相关)→
「模型」频道最新
- Muse Code 1.4.8 大幅省 token，官方宣布全员用量即时清零重置 — alexandr_wang · 2026-10-16
- 曝阿里巴巴与百度将为中国区 Apple Intelligence 提供关键模型支持 — nordicinst · 2026-10-16
- 康奈尔与亚马逊研究：扩散语言模型预训练算力差距实为3-8倍而非16倍 — LucaAmb · 2026-10-16
- 图像决策榜 JevImageBench 升级 v0.3.0，Top 5 大洗牌 — airesearch12 · 2026-10-16
- Muse Spark Open 预估成最强非中国开源 LLM，agent 基准预测得分 36 — zsakib_ · 2026-10-16
- Claude Opus 5.5 实测:低推理档位每小时迭代次数是最高档 9 倍 — tom_doerr · 2026-10-16