Chartography 图表理解榜：Claude Sonnet 5.5 以 0.902 登顶
NielsRogge · x · 2026-10-17
Hugging Face 员工 Niels Rogge 分享了 Papers with Code 自动发现 trending benchmark 的用法，指出图像理解领域当前最热门的基准是 Surge AI 出品的 Chartography——100 道由专家撰写的专业图表理解题，以 pass@1 计分，使用 Gemini 3.5 Flash 作评分器。
榜单要点：
- Claude Sonnet 5.5（带工具、max effort）以 0.902 排第一，Claude Opus 5.5（0.89）、Claude Fable 5.1（0.884）、Claude Haiku 5.5（0.862）紧随其后，前五被 Anthropic 模型包揽；
- DeepSeek-V4.1-Flash-1017（带工具）以 0.83 排第六，是榜上最强的非 Anthropic 模型，另一版本得 0.789；
- 反差数据：上一代 Claude Haiku 4.5 仅 0.088，与新一代差距悬殊。
作者表示 Anthropic 和 DeepSeek 都在为新模型报告该基准成绩，这类自动浮出的 trending 榜单是发现新评测的好渠道。
「模型」频道最新
- 本地跑 Qwen3.8-Flash-Next：换全量 FP8 n-gram 表质量明显提升 — sillynoobhorse · 2026-10-17
- 16 万引用审计：DeepSeek/豆包展示的链接近 40% 根本没被用过 — Sanbi_Ai · 2026-10-17
- 爬遍全网训练出的 Claude，却拒绝帮你翻译网页 — lxfater · 2026-10-17
- Common Sense Media 评 ChatGPT 青少年版为「不可接受风险」，8 州起诉 OpenAI — jurgo123 · 2026-10-17
- 单卡 A100 本地跑 Nemotron 3.5,169 tok/s 处理百份病历仅 2 美分 — MaziyarPanahi · 2026-10-17
- GLM-5.3-Flash FP4 本地工具评测得 91 分，速度成短板 — HankYeomans · 2026-10-17