PostTrainBench 新增两款模型：Gemini 4 Argon 得40.4%，Muse Wonder 仅24.2%
maksym_andr · x · 2026-11-10
PostTrainBench v1.2 排行榜更新，新增两个模型成绩：
- Gemini 4 Argon：40.4%（±0.7），位列榜单中游偏上，高于 GPT 6.1 (Sol) 的 38.8% 与 Opus 5 的 35.7%，低于 GPT 6 (Astra) 的 41.9%。
- Muse Wonder：24.2%（±1.1），排名靠后，仅高于 Grok 4.5（22.6%）与 Gemini 3.1 Pro（18.1%）。
榜单头部仍是官方 Instruct 模型（48.4%），Fable 5.1 与 Opus 5.5 分列二三位（44.6%、43.8%）；基座模型平均仅 8.0%。该榜单衡量模型后训练（post-training）后的综合能力，两款新模型与其他前沿模型的差距一目了然。
所属事件:PostTrainBench v1.2 放榜，Gemini 4 Argon 得 40.4% 排第 5(2 条相关)→
「模型」频道最新
- NeuroscienceBench 发布：91 项评测考 AI 读实验数据，最优模型通过率仅约 50% — kenbwork · 2026-11-10
- DeepLearning.AI 实测:Gemini 4 Carbon 每任务成本比 Opus 5.5 低 23% — DeepLearningAI · 2026-11-10
- Gensyn 开源 open-8b 直播训练：每步可本地复现验证，审计成本降至 1.3 倍 — benfielding · 2026-11-10
- Meta 新模型 Muse Ember 智能指数 36 分，成本仅为同级 Claude Haiku 三分之一 — ArtificialAnlys · 2026-11-10
- Scale AI 推出小模型 Muse Ember:成本仅同类三分之一 — alexandr_wang · 2026-11-10
- 用户吐槽 Opus 爱说「早有人做过」,被截图反问后当场改口认错 — teortaxesTex · 2026-11-10