Beam 十项评测细分:自动化与物理推理翻倍领先,终端执行垫底
ArtificialAnlys · x · 2026-10-16
Artificial Analysis 公布 Beam 在智能指数十项评测上的完整细分:
- 强项:AutomationBench-AA 48.5%、CritPt 13.1%(物理研究推理)——后者是 K2 Horizon(4.6%)和 Qwen3.8 27B(5.4%)的两倍多
- 弱项:Terminal-Bench 4.0 仅 3.0%,AA-Briefcase(代理知识工作)976 Elo
配图还给出 AA-Omniscience 准确率与幻觉率、GDPval-AA、Humanity's Last Exam、GDPR.pdf、SciCode、AA-LCR v1.1 等全部榜单的横向对比,可逐项查看 Beam 与各开源/专有模型的相对位置。
「模型」频道最新
- Opus 5.5 发布近月仍领先,但开源决策模型正在追赶 — airesearch12 · 2026-10-16
- Google 削减权益：Google Plus 订阅的 Pro 模型额度也被限制 — EmergencyLess8861 · 2026-10-16
- Meta 发布 Muse Spark Open,vLLM 支撑训练期 RL 推理并首日适配 — colinmcnamara · 2026-10-16
- Meta 开源 Muse Spark Open：两台 Mac Studio 就能跑，许可证禁止冒充人类创作 — mawcopolow · 2026-10-16
- 2024 年 Golden Gate Claude 视频再流行:可解释性 premise 至今仍成立 — HarperSCarroll · 2026-10-16
- Hugging Face 直播发布全新开源权重模型 — huggingface · 2026-10-16