AA 指数 v5 新基准重创开源模型，中国模型仍落后
teortaxesTex · x · 2026-10-29
Artificial Analysis 指数 v5 引入 TB-Sci、HLE-Diamond 和 FrontierCode 等新基准后，开源模型排名明显下滑。评论认为这些基准显示了中国模型在科学推理等领域与前沿的差距，多模态价值上升而 v5 至少是扎实改进；并指出 OpenAI/Anthropic 早已针对这些基准做了长期优化，这正是其优化方向，但中国模型会很快追上。
所属事件:AA 发布智能指数 v5：Opus 5.5 登顶，开源差距扩至 12 分(35 条相关)→
「模型」频道最新
- gpt-6.1-terra 连跑 4 小时浏览器操作,每秒约一次动作 — prd_008 · 2026-10-29
- AA Index 恰在 Gemini Carbon 发布前改版,网友质疑新榜利好新模型 — stablequan · 2026-10-29
- Gemini 4 Carbon 登顶文本榜,Agent 榜第二且成本仅为 Opus 28% — prajdabre · 2026-10-29
- 谷歌模型按元素表起名遭吐槽:碳之后还藏着个钡? — andrew_n_carr · 2026-10-29
- 把测谎仪编进权重:Qwenputer 实测标记 91% 谎言零误报 — teortaxesTex · 2026-10-29
- 从业者观点：如今的头部厂商几乎没人直接在测试集上训练 — nrehiew_ · 2026-10-29