JevBench v1.2 开源：智能/校准/速度/成本各占 25% 的可配置榜单
airesearch12 · x · 2026-09-21
Benchmark Heaven 推出开源排行榜 JevBench v1.2，主打「Jev 类」决策模型评测。方法论：Intelligence、Calibration、Speed、Cost 四项各占 25%，取几何平均作为主分。
特点：
- 基准开源，方法论在页面公开
- 除主分外还提供强调单一维度（编码/智能体/科学/长上下文等）的替代榜单
- 用户可自定义权重生成专属排名
- 支持按托管地区（EU/US/中国）、数据保密政策、是否开源权重、价格口径等过滤模型与提供商
此前 deliprao 质疑其未校准置信度、比较方法不清，作者回应方法论已公开说明。
所属事件:JevBench 开源上线，评测模型决策能力(3 条相关)→
「模型」频道最新
- 11 个 LLM 剑桥辩论社对决 1168 场：Claude Fable 5.2 压倒性夺冠 — AymericRoucher · 2026-11-12
- 用户实测 Claude App：widget 模块看不到用户编辑、移动端也不显示 — petergyang · 2026-11-12
- OpenAI 将下线 Standard Voice，用户发帖纪念这个「没人测的基准」 — aesthetic_legume · 2026-11-12
- Allen-Zhu新论文：Canon层随机卷积权重也能提升模型推理 — teortaxesTex · 2026-11-12
- Ricursive 发布开源权重 Ripple-65B：TerminalBench 称霸美国开源榜 — StanfordAILab · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12