NYT Connections 扩展榜:Muse Wonder 得 93.4 分居前列但费用最贵之一
zero0_one1 · reddit · 2026-10-13
Lech Mazur 维护的扩展版 NYT Connections 基准(940 题)更新:Muse Wonder(high) 得 93.4 分,超过 Muse Spark 1.3(high) 的 85.1 分,是测试中费用最高的模型之一。图表显示头部梯队仍由 GPT-6 Astra xhigh(98.1)、Gemini 3.1 Pro Preview(97.7)、GPT-6.1 Sol(97.4)、Kimi K3(97.4) 等占据;开源模型中 DeepSeek V4.1 Flash(high) 达 90.0,Qwen3.8 Max 89.6;而 Lling 2.6 1T 仅 4.1 分垫底。基准由 @lechmazur 维护,非 NYT 官方,加塞了额外陷阱词以提高难度。
「模型」频道最新
- Opus 5 月结基准满分碾压会计师:成本仅人类 2%,快 2-12 倍 — McDonaghMatthew · 2026-10-14
- 用 Opus 5.5 训练出 8M 小模型实验收官:能泛化但还不够好 — Angaisb_ · 2026-10-14
- Gemini 4 Argon 助攻科学：量子纠错吞吐近翻倍、设计新型酶 — haider1 · 2026-10-14
- Gemini 4 Argon 上架 Gemini App,AI SDK 与网关半价可用 — steren · 2026-10-14
- Gemini 4 Argon 上线 Vercel AI Gateway,12 月前五折优惠 — steren · 2026-10-14
- Every 实测 Gemini 4 Argon:谷歌重回前沿阵营 — every · 2026-10-14