Grok 4.6 蝉联 GPQA Diamond 科学推理榜首
XFreeze · x · 2026-09-02
根据 Artificial Analysis 榜单，Grok 4.6 (high) 在 GPQA Diamond 基准测试中获得 95% 的分数，继续保持榜首位置，该测试涵盖物理、化学、生物等博士级难度问题，专家平均得分仅约 65%。
「模型」频道最新
- 开发者实测：Anthropic 5.1 是跨越式升级 — doodlestein · 2026-09-02
- Fable 5.1 测试翻车：效果未达预期 — Angaisb_ · 2026-09-02
- Claude Fable 5.1 强悍演示：一句话生成马里奥赛车游戏 — ezshine · 2026-09-02
- Gemini 3.7 Flash 展示智能体视频理解能力 — otarU · 2026-09-02
- OpenAI Astra 在 ExploitBench 漏洞利用测试中达 100% 成功率 — JiaweiLiu_ · 2026-09-02
- 实测 Claude Fable 5.1：Max 模式下的“鹈鹕骑行” SVG — Simon Willison · 2026-09-02