11 个 LLM 剑桥辩论社对决 1168 场：Claude Fable 5.2 压倒性夺冠
AymericRoucher · x · 2026-11-12
一位独立开发者自建「剑桥辩论社基准」，让 11 个 LLM 用剑桥辩论社过去十年真实辩论过的议题正面对抗，共进行 1,168 场对决。
- 赛制：双方各做立论，两轮互相驳斥，另有 2 个 LLM 作为观众提问、8 个 LLM 匿名评审投票，辩手身份对评委匿名
- 结果：Claude Fable 5.2 以 224 战 209 胜（209-14，Elo 1813）高居第一，且在全部 8 个评委的计分中都排名第一，远超 Fable 5.1（1621）和 Opus 5.5（1612）
- OpenAI 阵营最好的是 GPT-6 Astra（1569，139-84）；Grok 4.7 基本持平（111-111），Kimi K3.1 Pro、Gemini 4、GLM 5.3 等均大幅落后
- 议题从「丘吉尔是否配得上英雄地位」到「吃肉是否不道德」，覆盖面很广
「模型」频道最新
- HF 研究员主张用效率增益指标取代最终 benchmark 分数 — eliebakouch · 2026-11-12
- 陶哲轩坦承：看 ChatGPT 雅可比猜想对答也曾被信息量淹没 — ChrisGPotts · 2026-11-12
- 网友辟谣:「Anthropic Opus 5.5 训练成本超 100 亿美元」系假消息 — ns123abc · 2026-11-12
- Domingos 贴图否定指数增长：前沿模型能力每年仅线性涨 16.5 分 — pmddomingos · 2026-11-12
- Hark 推出 Pro⁴ 高阶套餐,用量达 Pro² 的 10 倍 — adcock_brett · 2026-11-12
- Inkling 2 Small 预训练仅 1/6 时长却表现强劲，引发业内猜想 — georgejrjrjr · 2026-11-12