Epoch 实测:Fable 5.2 得 82% 分,无一模型达到真人员工标准

Jsevillamol · x · 2026-11-18

Epoch AI 用自家 Epoch Automation Reports 基准测试了最新旗舰模型——任务覆盖制作 Epoch 风格图表、设计基础研究实验等开放式真实工作,由 Epoch 员工按内部质量标准打分,100% 即员工水准。

关键结果:

Kelly Hong 补充观察:即便基准成绩亮眼,各模型在真实开放式任务上仍表现不佳,判断力与呈现都偏弱;即使在简单的试岗型研究项目里,它们也沿用现成想法、无法有效迭代。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →