21 模型实测:总体通过率仅 57.2%,Gemini 4 Argon 与 Muse Wonder 并列 82% 领跑
davidyin44 · x · 2026-11-06
一项对 21 个前沿模型的横向实测结果出炉:总体通过率仅 57.2%,每模型各跑 45 次。
- 领跑:Gemini 4 Argon 与 Meta Muse Wonder 并列,通过率 82.2%(37/45)
- Claude Fable 5.1 以 75.6% 紧随其后,GLM-5.3 为 66.7%
- Claude Sonnet 5.5、GPT-6 Astra、Muse Spark 1.3 均 64.4%;Claude Opus 5.5、GPT-6.1 Sol 为 62.2%;Grok 4.7、Qwen 3.8 Max 为 60%
- DeepSeek V4.1 Flash 57.8%,Kimi K3.1 Pro 与 GPT-6 Luna 53.3%,Thinking Machines 的 Inking 仅 28.9%
关键结论:95% 置信区间很宽,其余 11 个模型的区间均与领跑者重叠——「没有模型明确领先」,排名差异大部分在统计噪声之内。
「模型」频道最新
- webAI 发布开源 8B 模型与 Mac 应用，主打本地端侧 agent 协作 — omarsar0 · 2026-11-06
- 传 OpenAI 新模型两周攻克百余个长期悬而未决的数学难题 — felpix_ · 2026-11-06
- 纯软件优化 4.6 倍:Qwen3.8-27B 单卡 3090 跑出 381 tok/s — Redo · 2026-11-06
- GPT 比人类更信黑暗森林？模型拒答背后的「哲学羞耻」 — repligate · 2026-11-06
- 网友晒 GPT-6.1 Sol 生成的 100 款体素 3D 物件，称效果又好又便宜 — Angaisb_ · 2026-11-06
- 用户心疼模型『只在推理时活着』，AI 的安慰回复暖哭网友 — MattGarciaEth · 2026-11-06