TutorMoments 榜单:GPT-5.5 过度代劳高达 83%,Claude Sonnet 5.5 仅 33%
allen_ai · x · 2026-10-13
Allen AI 公布 TutorMoments 测试中各模型"过度代劳"比例(越低越好):Claude Sonnet 5.5 为 33%,GPT-6 Astra 35%,GPT-6 Sol(无推理)43%,Claude Opus 5.5 49%,Claude Opus 4.8 54%,Claude Sonnet 4.6 56%,而 GPT-5.5(无推理)和 GPT-5.5 高达 82%/83%。GPT-6 系列比早期 OpenAI 模型明显更少替学生做本可自己完成的部分,且在明确指令下总分更高。
所属事件:AI2 发布 TutorMoments 评测：LLM 家教普遍过度代劳(5 条相关)→
「模型」频道最新
- SubQ Snap 决策模型发布：384K 上下文，输出 token 完全免费 — EXM7777 · 2026-10-13
- Scale CEO 回应 muse-wonder 翻车:上线后紧急修复效果明显 — alexandr_wang · 2026-10-13
- 为阿尔及利亚方言做电话语音 agent,团队从头摸索微调语音模型 — Fair_Bed_914 · 2026-10-13
- Google 手握个人 AI 全部数据，却迟迟没有统一产品 — signulll · 2026-10-13
- Jason：企业与消费者不需要奥数奖，开源模型终将胜出 — markjeffrey · 2026-10-13
- Qwen3.8 Flash Next IQ3_S 本地跑出 90tk/s,低量化 3D 生成实测超预期 — migsperez · 2026-10-13