JevBench v1.6.0 重测 92 个模型,榜首大洗牌
airesearch12 · x · 2026-10-05
作者在全新密封测试集上从头重测了全部 92 个 Jev 级模型,榜单头部发生明显变化:能力榜新科第一为 Quyet-1.0-Large(81.7 分),超过 deck-31B(77.6)和 Jev 1.13.0(76.5)。
v1.6.0 是迄今最抗数据污染的版本:每次发布使用无人见过的新密封题集、托管 API 拿到从未发送给任何供应商的题目、题目在有限使用后退役,确保分数反映真实能力而非记忆的测试项。
所属事件:JevBench v1.6.0 重测 92 个模型，榜首换血并新增 22 语言细分(3 条相关)→
「模型」频道最新
- 研究者：人类也很难察觉 AI 的细微模式与分布偏差 — alexisjross · 2026-10-06
- 20美元档三家AI订阅横评：OpenAI最慷慨，Google暗降模型 — bytebot · 2026-10-06
- ChatGPT 伪造《纽约客》漫画还盗用真漫画家签名 — luisdans · 2026-10-06
- 网友预测 Thinking Machines 新模型 fledge alpha 将以 fledgling 之名发布 — willcb · 2026-10-06
- 圈内预言:GPT-6.5 或在 4 周内发布,性能对标 Fable 5.5 — VraserX · 2026-10-06
- Gemini 图像生成额度收紧引用户抱怨,日限成讨论焦点 — BrattyMiku · 2026-10-06