终端科研基准洗牌:GPT-6 Astra 63%,多数开源模型得分不足 10%
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 公布 Terminal-Bench-Science 细分榜:该基准测试智能体能否在终端完成科研工作流,任务由专家策划审核,所有测试通过才算过。
GPT-6 Astra (max) 以 63% 领先,Claude Opus 5.5 (max) 59%,GPT-6.1 Sol (max) 58%。头部之后断崖式下跌:Kimi K3.1 Pro(未放权重)34%,Claude Haiku 5.5 (max) 20%;已放权重最高的 DeepSeek V4.1 Flash 1017 (max) 仅 13%,多数开源权重模型得分低于 10%,开源与闭源在 agentic 科研能力上的差距远大于综合榜。
「模型」频道最新
- Gemini 4 Argon 刷新 OCR 纪录：WER 1.73%，超越人类专家 — gabriberton · 2026-10-28
- Meta 开源级翻译系统 Omnilingual MT 覆盖 1600 种语言 — kalyan_kpl · 2026-10-28
- LFM3-1.7B 无审查 GGUF 权重上线 Hugging Face — kalyan_kpl · 2026-10-28
- OpenRouter 周token量一年涨27倍至165万亿，开放模型占72% — FinanceYF5 · 2026-10-28
- 曝特斯拉 Optimus 数据采集：40 相机动捕服三班倒运转数月 — Scobleizer · 2026-10-28
- FrontierMemory 基准榜：Letta Dream 得 73.3% 居首，超 OpenAI 与 Claude agent — afurgs · 2026-10-28