FrontierCS 2 发布:面向计算机科学研发的新 benchmark
koltregaskes · x · 2026-11-17
FrontierCS 2 发布,这是一个专为计算机科学研发(CS R&D)设计的新 benchmark,被评价为「展示 benchmark 成绩的绝佳方式」。
该基准瞄准前沿模型在真实科研级 CS 问题上的能力,区别于普通编码基准,可用来看各家前沿模型在研究型任务上的表现差异。
「模型」频道最新
- GLM 5.3 Flash 调优后完成率 29%→82%,Beaker 证明先调 harness 再评模型 — VictorSanh · 2026-11-17
- 腾讯 Hy4 Flash 跑 RuneBench 得 5.74 分,单次仅 0.03 美元 — mariofilhoml · 2026-11-17
- 腾讯混元 Hy4 Flash 亮相 RuneBench:单次成本约 0.03 美元得 5.74 分成最便宜前沿点 — mariofilhoml · 2026-11-17
- OpenRouter 数据:开源模型企业 token 份额 5 个月从近零涨到 30% — pwendell · 2026-11-17
- Databricks 数据:开源模型企业 token 份额 5 个月从零涨到 30% — pwendell · 2026-11-17
- Fable 5.2 被疑「背题」:解开 MazeBench 旧版关卡后被更新难倒 — aiamblichus · 2026-11-17