PostTrainBench 榜单:Fable 5.2 与 5.1 持平 44.6%,被指刻意压制 AI 研究能力

scaling01 · x · 2026-11-13

PostTrainBench 排行榜新增 Fable 5.2 与 Gemini 4 Carbon 两款模型：Fable 5.2 平均分 44.6%（±1.2），与 Fable 5.1 完全持平，仅低于官方 Instruct 模型的 48.4%；Gemini 4 Carbon 得 41.0%（±1.7），位列 GPT 6 (Astra) 之后、Gemini 4 Argon（40.4%）之前。

发帖人推测 Fable 5.2 没有提升，可能是因为 Anthropic 按 system card 所述刻意训练该模型在 AI 研究类任务上表现不佳。完整榜单中 Opus 5.5 为 43.8%，GLM 5.3 为 34.5%，Kimi K3 为 31.5%，Grok 4.5 为 22.6%。