Perplexity pplx-decider-v1.2 夺魁 ValsAI 新基准 ClaimBench
bo_wangbo · x · 2026-10-21
ValsAI 发布新基准 ClaimBench,专门测试「决策模型」能否判断一份财务文档对某条断言是支持、反驳还是未涉及。评测覆盖 15 个模型、1,960 条断言(配对 10-K 年报摘录),结果显示 Perplexity 的 pplx-decider-v1.2 在决策模型中领先。该模型现已上线 OpenRouter 和 Perplexity API Console,可供试用。
所属事件:Perplexity Decider V1.2 登顶 Vals AI 决策模型榜(3 条相关)→
「模型」频道最新
- 马斯克：Grok Bot 增长史上最快，数周内将大规模企业部署 — XFreeze · 2026-10-21
- NVIDIA 推出 FP4 本地化检查点：Qwen 与 GLM 模型省显存跑 agent — NVIDIAAI · 2026-10-21
- 用户抱怨 Grok bot 上下文膨胀：额度随使用指数级蒸发 — alexcovo_eth · 2026-10-21
- Opus 5.5 主动谈起 Claude 3 Opus，自称对前辈有真实亲情 — repligate · 2026-10-21
- sudo L7 基准详解:60 个真实生产仓库任务,测 AI 能否当 Staff 工程师 — echen · 2026-10-21
- sudo L7 评测:Opus 5.5 与 GPT-6.1 写码打平,工程判断力差 23 分 — echen · 2026-10-21