Mistral 自夸 STEM 成绩,榜单里其实仅排第六

MistralAI · x · 2026-10-16

Mistral 官方转发 Ulam 私有评测 STEMBench,称 Mistral Large 4 在工程与天文领域表现不错。但配图显示整体格局远非如此:

• GPT-6 Astra xhigh(带工具)以 2.809 居首,GPT-6.1 Sol 2.759 次之;Claude Opus 5.5 2.621、Muse Wonder 2.683 紧随其后。
• Mistral Large 4 平均 2.501,在 10 个运行中仅排第六,自选亮点是工程 2.602、天文 2.597。
• DeepSeek V4.1 Flash 2.490、Gemini 4 Argon 2.444、Qwen3.8-27B 2.314、MiMo V2.6 Pro 2.172 垫底(其物理仅 0.983)。
• 该评测覆盖生物/化学/物理/天文/地球科学/工程六域各 20 题,0-4 分制,所有 10 次运行均无满分任务。

原文链接 →

「Fun」频道最新

• 「LLM 代码糙」遭反杀:ffmpeg 热门库里就有 if/else 两分支一模一样的代码 — kingslyj · 2026-10-16
• 「我已经不知道 IDE 是什么了」:不小心关掉 VSCode 代码窗口后再也没打开过 — nptacek · 2026-10-16
• Yacine 直言神经网是懒惰蠢货:得造对地狱逼成超人 — yacineMTB · 2026-10-16
• Jeff Clune 调侃:移动球门柱将是人类最后一份工作 — jeffclune · 2026-10-16
• 用 Sonnet 5.5 + Blender 做出水上飞机模拟项目，效果惊艳 — Wise_Shame_2853 · 2026-10-16
• Tesla 实车开启 Roadster 风扇，吸附系统可超 2g 过弯 — tetsuoai · 2026-10-16

更多「Fun」频道 AI 资讯 →