初创 Navi 在 OfficeQA Pro 拿 73.3%，同一 Opus 模型跑赢前沿实验室
ycombinator · x · 2026-11-13
初创公司 Navi（maximilianhofer）宣布，在 Databricks/Mosaic 的 OfficeQA Pro V2 基准上取得 73.3% 的成绩，该基准测试约 12 万页金融文档上的接地推理（grounded reasoning）能力。使用同样 Opus 5.5 模型的次优方案仅 63.3%，即 Navi 在相同底层模型上通过自身系统领先 10 个百分点，超越了前沿 AI 实验室。
「模型」频道最新
- llama.cpp 发布 v1.0.0，八年里程碑版终于到来 — reach_vb · 2026-11-14
- 开发者观察:Fable 5.2 的设计品味已超过 Opus 5.5 — adonis_singh · 2026-11-14
- 5400 次真机测试：Claude Fable 5.2 以 65% 成功率领跑机器人 agent 评测 — ricklamers · 2026-11-14
- Google Antigravity 上线 Gemini 4 Hydrogen 与 Orchestrator 混合调度 — minchoi · 2026-11-14
- LMArena 数据:榜首分数移动快 3 倍,4 月最佳模型成本降至 1/20 — arena · 2026-11-14
- 中国团队论文：思维链不是直线，而是分子般的拓扑结构 — mikeflache · 2026-11-14