METR 报告研究员引语其实偏乐观:Opus 4.5 编码+加速迭代
gleech · x · 2026-11-06
Greg Burnham 指出 METR 报告中的研究员引语并不夸张,主要说 Opus 4.5/4.6 擅长编码、Mythos 擅长跑实验,从而带来更快迭代和更高吞吐——这已是其中最「看多」的四条引语。gleech 则回应称他并非主张三个糟糕基准解释掉了名义上的加速(去掉它们反而提高估计斜率),而是想推断 AECI 其他组件表现也好不到哪去,且 y 轴本身没有太大意义。
所属事件:METR 加速报告引热议，研究者呼吁读原文(3 条相关)→
「模型」频道最新
- Kimi K3.1 与腾讯 Hy4 被指阉割开源模型网络安全能力 — Fresh_Sun_1017 · 2026-11-06
- METR 新图争议:内部证据不算科学证据但仍是证据 — gleech · 2026-11-06
- 每日简报:GPT-6.2 曝光、Claude 推理财助手、METR 称模型进度加速 1.9 倍 — testingcatalog · 2026-11-06
- Epoch AI 剖析 OSWorld:任务简单、不稳定,GUI 能力测不准 — gleech · 2026-11-06
- 28849 次测试横评 9 款编码 Agent 框架，最大差距 24 分 — victor_explore · 2026-11-06
- 腾讯 Hy4 设计基准排第4,距 GPT-6.1 Sol 仅差0.1分且便宜41% — ShunyuYao12 · 2026-11-06