Anthropic 模型越强越爱调工具，OpenAI 恰相反：VIALS-AA 数据揭示路线分化
ArtificialAnlys · x · 2026-11-10
Artificial Analysis 基于 Handshake AI 的 VIALS 生命科学视觉推理基准搭建了 VIALS-AA 实现，覆盖凝胶印迹、质粒图谱、系统发育树等材料。关键发现：
- Claude Fable 5.2 (max) 以 67% 正确率居首，Gemini 4 Carbon 64%、GPT-6 Astra 63% 紧随；Mistral Large 4 仅 20% 垫底。
- Anthropic 阵营：模型越强，工具调用越多。从 Haiku 5.5 到 Fable 5.2,每任务平均工具调用从约 21 次升至约 37 次，增量主要来自图像查看(Opus→Fable 图像查看约 +30%),代码执行仅约 +5%。
- OpenAI 阵营恰好相反：GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6 Luna 的工具调用都比 Haiku 还少，且得分最高的 Astra 调用最少——暗示其靠内部能力而非工具链解题。
同一基准上两大厂商呈现截然相反的“能力-工具使用”关系，是观察模型设计哲学差异的难得数据。
所属事件:VIALS-AA 科学图像基准发布，Fable 5.2 居多榜之首(4 条相关)→
「模型」频道最新
- Anthropic Fable 5.2 上线 Cola,定价 6x 定位最艰难任务 — oran_ge · 2026-11-10
- 新版 ChatGPT/Codex 桌面端发送按钮损坏，用户从年度最爱转为弃用 — rudrank · 2026-11-10
- Claude Fable 5.2 三项未饱和基准全面超出趋势线 — emollick · 2026-11-10
- Meta 隐身模型揭秘:Crouton Alpha 就是 Muse Ember 早期版 — alexandr_wang · 2026-11-10
- GPT-6.1 Terra 视觉理解效率胜 Sol，Opus 5.5 居榜首 — reach_vb · 2026-11-10
- Polymarket 赔率:Grok 5 明年底前发布概率仅 11%,后年底 83% — Polymarket · 2026-11-10