PINNACLE 智能体基准更新:Qwen3.8 错误率比 Claude Opus 5 低 15%
ryanshrout · x · 2026-09-15
Signal65 发布新版 PINNACLE 智能体基准,测评了 8 个新模型配置,其中 5 个是开源权重,来自 Qwen、DeepSeek 和 Zai。
核心数据:Qwen3.8 在测试中错误率比 Claude Opus 5 低 15%,其 180B 兄弟模型可在桌面端运行。作者据此认为开源权重已逼近托管前沿,OpenAI、xAI、Anthropic 三家呼吁「放缓前沿开发」的协议若要落地,杠杆在能自持硬件的一方手里。
所属事件:开源模型逼近前沿，PINNACLE基准给暂停论泼冷水(3 条相关)→
「模型」频道最新
- 别再按月租智能了:Anthropic 服务端新规再掀开模型之争 — alex_verem · 2026-11-02
- Epoch AI 实验：GLM 5.3 连续攻破 6 个 Firefox 版本，单次成本约 1000 美元 — rohanpaul_ai · 2026-11-02
- SemiAnalysis：安全分类器压分，Opus 5.5 与 GPT-6 Astra 排名被低估 — morqon · 2026-11-02
- 1.7B 本地模型 LFM3 在 MacBook 上首次答对曼城赛程查询 — NielsRogge · 2026-11-02
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02