Fable 5.2 拒答率大降，但 BullshitBench 排名跌至 40 与 53 名
burny_tech · x · 2026-11-12
petergostev 分享 Claude Fable 5.2 在 BullshitBench（识别并抵制胡说八道的评测）上的表现：好消息是拒答/空响应大幅减少——Fable 5 曾拒绝约 1/3 的问题，5.2 版本拒答几乎消失；坏消息是成绩明显下滑，两个配置分别排在第 40 名（Max 推理，67.3% clear）和第 53 名（Low 推理，63.3%），而此前 Fable/Opus 系列长期霸榜 Top 10。显示模型在「少拒答」与「识别废话」之间存在权衡。
「模型」频道最新
- KOL 预测：年底 Gemini 将稳坐最强前沿模型，对手估值腰斩 — iruletheworldmo · 2026-11-12
- GRPO 论文：算力对齐后密集奖励反而不如稀疏奖励 — burny_tech · 2026-11-12
- 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
- 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