VIALS-AA 榜单上线:可按得分、成本、工具调用数横评各模型
ArtificialAnlys · x · 2026-11-12
Artificial Analysis 上线 VIALS-AA(带工具)交互榜单,可按分数、每任务成本与工具调用次数对比各模型。
该基准源自 Handshake AI 的 VIALS,共 161 个任务、覆盖 8 类科研图像(凝胶印迹、显微镜图、流式细胞图、质粒图谱、系统发生树等),模型在沙箱中以 agent 模式运行代码并查看图片,每任务独立重复 3 次,以 pass^3(三次全对)为 headline 指标。论文已发 arXiv。
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
- Reflection 开源编码 Agent Beam 限时免费，Zig 编写的 fx 仅 5.97MiB — evilrabbit_ · 2026-11-12
- 网友猜测谷歌今日或直接发布 Gemini 4 正式版而非 Flash — algo_diver · 2026-11-12
- Fable 5.2 拒答率大降，但 BullshitBench 排名跌至 40 与 53 名 — burny_tech · 2026-11-12
- Artificial Analysis 实测：Claude 升一档模型比拉满推理力度更省钱 — ArtificialAnlys · 2026-11-12
- Claude iOS 版曝光 Saved logins 功能，可保存网站登录凭证供 Agent 使用 — testingcatalog · 2026-11-12
- 让 Fable 5.2 复原 600 年前无谱四声部对位法并现场作曲 — imjustnewatai · 2026-11-12