ProofBench 榜单：Claude 三款模型满分，第 10 名系统名叫「Wonder Full」
shuchaobi · x · 2026-10-13
转发者以「94% on ProofBench is wonder-full」双关 VALS 的 ProofBench（形式化数学证明基准）榜单：排行第 10 的系统恰好名为「Wonder Full」，得分 94%，而榜首的 Claude Sonnet 5.5、Opus 5.5、Fable 5.1 与 AlephProver 均为 100%，Claude Haiku 5.5 以 89% 和每测试 $0.17 成为性价比亮点。榜单共 52 个系统，GPT-6 Sol、Gemini 4 Argon 等均以 99% 紧随其后。
「模型」频道最新
- Meta 新模型 exploit 成绩仅 21，远低于 Claude 各型号数百次 — scaling01 · 2026-10-13
- 研究者吐槽 Google Astra 解释太啰嗦,提议做简洁性 benchmark — OfirPress · 2026-10-13
- 数学家叹 OpenAI 模型「摧毁了我的研究领域」 — ThereWas · 2026-10-13
- Google AI 摘要再次翻车：坚称已故者没死 — lilyraynyc · 2026-10-13
- Claude Opus 看不了视频,用户用 GTA 游戏帧图硬核绕过 — adonis_singh · 2026-10-13
- 用户吐槽 Gemini Deep Research 今日网速极慢 — gaganghotra_ · 2026-10-13