曝 Anthropic 未发布新模型:15 项基准全部突破 50%

141_1337 · reddit · 2026-11-06

METR 报告披露,Anthropic 手握一个尚未发布的强大模型("Model 4",上个月完成训练,内部另有代号):它是 METR 分析的所有模型中得分最高的,也是首个在全部 15 项能力基准上都超过 50% 的模型。这一现象引发担忧——现有 AI 基准正在变得太容易,难以继续衡量前沿进展。

METR 的图表显示 Model 4 在多数基准上的得分在对数几率尺度上接近线性拟合,支持其用 AECI(加权难度指标)刻画模型能力的方法论;各基准的估计难度(EDI)从 115 到 172 不等。