METR 时间跨度评测榜 5 月后再未更新,新模型能力成谜
haider1 · x · 2026-10-12
METR 的 AI 时间跨度图表(衡量模型在 80% 成功率下能完成多长的软件任务)最后一次更新停留在 5 月 8 日。作者好奇 frontier 模型大幅进步后,新模型能把这条时间线推到多远,呼吁 METR 恢复更新。配图显示榜单最新收录的是 Claude Mythos Preview(early),80% 成功时间跨度已超过 3 小时,Gemini 3.1 Pro、GPT-5.2 (high) 依次排后。
「模型」频道最新
- AWS 一周 AI 汇总:Claude Haiku 5.5 上线,Nova 2.5 Sonic 主打语音代理 — DigitalColmer · 2026-10-12
- 一周 722 项：曝 OpenAI 数学突破数远超 Google 的 50 项 — Dr_Singularity · 2026-10-12
- Nature：字节化改造让 LLM 终于能数对单词里的字母 — PontiEdoardo · 2026-10-12
- 同一模型换个 harness 就变怂：OpenCode 安全拦截明显强于 Codex — Current_Balance6692 · 2026-10-12
- 网友惊呼 GPT 20 美元档疑似生变，定价调整引关注 — sujingshen · 2026-10-12
- AWS 开源 2B 决策模型 Strands Decider,笔记本可跑不生成文本 — dl_weekly · 2026-10-12