JevBench 改用 Capability Score 计分,原版 Jev 重返榜首
airesearch12 · x · 2026-10-02
第三方 LLM 基准 JevBench 发布 v1.5.4,将头条分数从 Composite Score 改为 Capability Score。作者解释原因:速度和成本太容易受假设影响、被人为操纵,容易让慢模型钻空子,因此只按能力计分。
改版后榜首为 Original Jev,Winnow、Cygnet、Surogate Rune 依次排在其后。Benchmark Heaven 平台还提供价格口径(输入/输出权重比)、EU/中国/美国托管与公司属地、数据保密策略等多维筛选。
所属事件:JevBench 改用能力分计分并支持自定义成本边界(3 条相关)→
「模型」频道最新
- Qwen4 Max 实测:Agent 自动化比肩 GPT-6.1,难 SWE 仍落后且更贵 — haider1 · 2026-11-16
- Nous 高管提醒:勿用 GPT 900k 变体,272k 后加收费用 — Teknium · 2026-11-16
- 爆料称 Gemini Argon 与 Carbon 均为 12T 参数大模型 — oran_ge · 2026-11-16
- Qwen4 Max 对比 GPT-6.1 Sol:同为高推理档,单价 $0.0909 vs $0.132 — Angaisb_ · 2026-11-16
- FutureSim Q3:LLM 从经验中真实变强,Opus 5.5 登顶 — rickasaurus · 2026-11-16
- Teknium 提醒:勿用 900k 版 GPT 模型,272k 上下文后额外计费 — Teknium · 2026-11-16