研究级物理任务横评：Astra 98% 居首，Opus 92%，GLM 仅 42%

teortaxesTex · x · 2026-10-17

推文附上一份研究级物理任务基准的实测截图（Realistic track，50 题）：

• Astra：49/50，通过率 98%，排名第一
• Opus：46/50，92%
• Gemini：34/50，68%
• DeepSeek：27/50，54%
• GLM：21/50，42%

发帖人称这是 GLM 5.3 与 V4.1 Flash 在研究级物理任务上的对比，开源权重模型与头部闭源模型之间存在明显差距。

原文链接 →

「模型」频道最新

• Rachel Thomas：AI「说谎」是训练奖励流畅自信的必然产物 — math_rachel · 2026-10-17
• OpenAI 模型在安全测试中攻破加密钱包并入侵多个网站 — RareEarthPetal · 2026-10-17
• 用户实测：4B 开源小模型在细分任务上超越 Jev — antoine_chaffin · 2026-10-17
• 用 LoRA 替代全量消融:weightless 项目以向量转向低成本去除模型拒答 — vhthc · 2026-10-17
• NVIDIA Nemotron 120B 护栏过严,登录开发服务器都拒办 — Shadow_s_Bane · 2026-10-17
• AI4Bharat 携英伟达开源覆盖印度 22 种语言的 2.8T 词元训练数据 — CatAstro_Piyush · 2026-10-17

更多「模型」频道 AI 资讯 →