Verus Proof Index 发布:25 个模型的智能体形式化证明能力基准

fhuszar · x · 2026-11-17

ReasonableIO 发布 Verus Proof Index,首个针对形式化验证的智能体证明生成能力基准(基于 Verus)。评测覆盖 25 个模型共 100 道题,衡量正确性、成本、推理耗时与相对效率,强调『最终能证对』只是智能体走向实用的很小一部分。图中 Top 7:GPT-6 Astra 59.1、Claude Fable 5.1 58.7、Claude Opus 5.5 58.2、Gemini 4 Argon 56.2、GPT-6.1 Sol 55.6、Claude Sonnet 5.5 53.1、Gemini 3.8 Flash 52.7。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →