新基准 Decision Index 0.1 跑 13.2 万次决策,Jev 仍以 59.5 居首
victormustar · x · 2026-09-22
发布仅一周的 Jev 已有 31 个复现版本,但现有对比大多只跑几百次决策。新的 Decision Index 0.1 基准一次性运行 132,422 个决策,覆盖所有复现版本加上 Jev 在 37 个基准上的表现,不做截断、不做 prompt 调优,未作答即算错。结果 Jev 仍以 59.5 分居首。
所属事件:Decision Index 0.1 发布：13 万次决策横评 30+ 开源决策模型，Jev 居首(7 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12