v5 无模型通吃:Opus 5.5 拿 3 项第一,另有 5 家模型分领 6 项
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 指出 v5 的九项评测均留有较大进步空间,没有单一模型全部领先:Claude Opus 5.5 领先 FrontierCode 2.0(46%)、HLE-Diamond(68%)和 AA-Omniscience v1.1(48);GPT-6 Astra 领先 Terminal-Bench-Science(63%)和 CritPt v2 hard subset(72%);Claude Sonnet 5.5 领先 AA-Briefcase(1812 Elo);Kimi K3.1 Pro 领先 Terminal-Bench 4.0(67%);Gemini 4 Argon 领先 AutomationBench-AA(78%);Muse Wonder Full 领先 GDP.pdf(33% all-pass)。CritPt v2 采用私有 40 题困难子集(70 道研究级物理题中去掉发布时 7 个前沿模型全对的 30 道),在 Stirrup agentic 框架的离线 Python 沙箱中作答。
所属事件:Artificial Analysis 发布智能指数 v5,开源与闭源差距扩至 12 分(18 条相关)→
「模型」频道最新
- ZCode 每日免费 3 亿 GLM-5.3-Flash token,限时领取攻略流传 — AccBalanced · 2026-10-28
- 网友预测：28 天发布活动收官前，OpenAI 必须推出对标 Opus 5.5 的模型 — CtrlAltDwayne · 2026-10-28
- 网友放出「邪恶版 Qwen 27B」激活转向配方，一条指令生成 — basedjensen · 2026-10-28
- MoveBench 发布：用评分细则基准评估 LLM 运动健康教练能力 — Yitong Li · 2026-10-28
- 网友争论:Claude 被降智?更新推断栈或致旧模型输出变化 — JasonBotterill · 2026-10-28
- 临近 IPO 的 AI 大厂,LLM 默认文笔依然难以卒读 — GabGarrett · 2026-10-28