Step 5 Preview 详细评测:推理领先,Agent 任务全面落后
ArtificialAnlys · x · 2026-09-22
Artificial Analysis 补充 Step 5 Preview 在 Intelligence Index 各项评测的完整明细:Agent 任务是其明显短板,GDPval-AA 1,566 Elo、AA-Briefcase 1,432 Elo、Terminal-Bench 4.0 33%,均落后 GLM-5.3 (max) 与 Qwen3.8 Max;而在知识与推理上反向领先——HLE 46%、CritPt 21%、AA-Omniscience Index 16,均高于两者。
所属事件:Step 5 Preview 获评 44 分:成本仅同级 1/2.8(6 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