14 个月从 5% 到 98%，EpochAI 宣布 Tier 4 基准已饱和
teortaxesTex · x · 2026-09-11
EpochAI 转发官方推文：其 Tier 4 评测榜于 2025 年 7 月 11 日上线时，最高得分仅为 5%；不到 14 个月后，最高分已达 98%，EpochAI 认为该基准已被打满、失去区分度。这条数据直观展示了前沿模型在困难基准上的能力迭代速度，也再次凸显「基准快速饱和」对评测体系的挑战。
所属事件:Epoch AI 数学基准 14 个月从 5% 飙至 98% 宣告饱和(3 条相关)→
「模型」频道最新
- 曝 DeepSeek 4.1 flash 也用超大 ngram 词嵌入，架构酷似 Qwen4 — ccerrato147 · 2026-09-11
- ValsAI 发布 RSI Index:首个第三方基准测试模型自研继任能力 — JenniferHli · 2026-09-11
- Assistant Benchmark 上线：61 款 AI 助手 15 个维度实测横评 — Scobleizer · 2026-09-11
- 实测者评 Devin 新模型:非最强但执行力强,$20 订阅超值 — brandon_galang · 2026-09-11
- Business Insider 问 ChatGPT、Gemini、Claude、Grok：AI 如何毁灭人类 — coinfanking · 2026-09-11
- 爆料称 Kimi 曾用 Claude 原始思维链蒸馏,网友讽其山寨 Claude — xuanalogue · 2026-09-11