RWE-Bench 榜单发布:GPT-6 Astra 以 37% 领跑真实工程任务
wavefnx · x · 2026-10-28
Xplore 上线 RWE-Bench 排行榜,用 20 个真实物理工程任务(设计引擎部件、电路板布线、涡轮叶片流场仿真等)评测 11 个前沿模型,由物理求解器逐一校验工程师设定的全部硬性要求,任一不达标即判失败。
榜单结果(平均通过率):GPT-6 Astra 37% 居首,Claude Opus 5.5 29%、GPT-6.1 Sol 25%、Gemini 4 Argon 12%、Claude Fable 5.1 7%、Kimi K3.1 Pro 1%,DeepSeek、GLM-5.3、Grok 4.7、Muse Wonder、Qwen3.8 Max 均为 0%。单次运行成本从 DeepSeek 的 $1.03 到 Claude Fable 的 $97.57 不等。
博主 wavefnx 评论称结果高度依赖任务类型:架构层面各家都有严重问题,不做精细引导就会犯低级错误;按能力估 astra 约 31-32%,按 UI 估 opus/fable 约 15-18%、astra 约 6%。
「模型」频道最新
- OpenAI 推出 Decisions API 公测：决策比 Responses API 快至 10 倍 — OpenAIDevs · 2026-10-28
- 开源权重模型安全研究受冷落,拆解防线仅需约 80 美元算力 — Miles_Brundage · 2026-10-28
- Socher 发本地编码模型 Flint：MacBook 上 125+ tokens/s，自动科研造出 — jeffclune · 2026-10-28
- DGX Spark 本地跑 Qwen3.8 Flash 大更新:代码生成提速最高 62.7% — EAccelerate_42 · 2026-10-28
- Arena 联创长文：美国守前沿，中国赢开源与成本 — JaynitMakwana · 2026-10-28
- Liquid AI 发布 LFM3：三混合架构，六款端侧模型覆盖全模态 — maximelabonne · 2026-10-28