工具增益偏爱弱模型:MiMo-V2.6-Pro 从 5% 暴涨至 43%
ArtificialAnlys · x · 2026-11-12
Artificial Analysis 分析 VIALS-AA 上工具带来的分数增益分布:增益最大的多是无工具时得分最低的模型。
- 无工具低于 31% 的 10 个模型平均每任务约 42 次工具调用,高于平均线的 7 个模型仅约 23 次
- MiMo-V2.6-Pro 增益最大:从 5% 升至 43%(约 49 次调用/任务);Gemini 3.8 Flash (high) 从 16% 升至 41%,调用多达约 68 次
- Astra 和 Sol 工具调用最少(约 8 次/任务),分别只提升 13 和 16 分——强模型本就接近一次性答对
所属事件:Artificial Analysis 发布 VIALS-AA 基准:工具显著提升视觉推理但成本悬殊(5 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 AA-Robotics 榜,纯视频估算尺寸首过测盒任务 — ArtificialAnlys · 2026-11-12
- Codex 与 Claude 交替领跑:观察者称 Claude 重夺 Q4 领先 — haider1 · 2026-11-12
- 用户实测 Argon 同任务成本骤降 93%,疑似悄悄调价或提效 — No-Humor4927 · 2026-11-12
- 网友实测 Google 新模型 gemini-decision-1 的日常「假设」概率校准 — elvano124 · 2026-11-12
- 用户抱怨 Google AI Mode 收紧内容护栏,连同人小说都被拒 — Designer_Lion2913 · 2026-11-12
- Hassabis 转发暗示 Gemini 4 carbon 表现惊艳，评测结果即将公布 — demishassabis · 2026-11-12