数细胞题最依赖工具:Opus 5.5 无工具从 57% 骤降至 4%
ArtificialAnlys · x · 2026-11-12
VIALS-AA 细分数据显示,工具对「细胞计数与定量」类任务最关键——模型可用工具裁剪图像、读取像素强度、用代码分离并精确计数,无工具时只能靠目测。
- 23 个细胞计数任务上,Claude Fable 5.2 从带工具 65% 掉到无工具 9%;Opus 5.5 (max) 从 57% 掉到 4%;Sonnet 5.5 (max) 从 65% 掉到 13%
- GPT-6 Astra (max) 与 GPT-6.1 Sol (max) 更抗打:分别从 61%→35%、61%→39%
- 部分领域不太依赖工具:23 个系统发生学任务上 Astra 带工具 78%、无工具反而 83%
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
- 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
- Aside 计算机使用 Agent 在 Scale AI Cua Driver Bench 拿下 SOTA — brandon_galang · 2026-11-12
- 仅 34M 参数的本地 TTS 模型 Inflect v3 发布，Apache 2.0 开源 — b111ue · 2026-11-12
- 讨论：AI 缺「异端」优势，能否训练模型奖励说出真相 — dioscuri · 2026-11-12