JevBench 将扩充评测:LLM 路由、RAG 检索与内容审核任务 incoming
airesearch12 · x · 2026-10-02
JevBench 作者宣布将为「Jev 级」模型扩充更多典型用例评测,方向包括:
- 在 LLM Auto Router 中根据成本/能力与冷热缓存选择路由哪个模型;
- 搜索与检索,RAG pipeline 的增强任务;
- 内容审核与不良内容标记等。
即将发布的版本会包含上述方向的大量测试任务。
「模型」频道最新
- Fable 5.2 对比 GPT-6 Astra:便宜 14 倍快 12 倍,效果还碾压 — jradoff · 2026-11-16
- 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