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:
- 所有模型都未达到 Epoch 员工标准
- Fable 5.2 平均得分最高,82%
- GPT-6.2 Astra 排名第四,平均 65%——尽管它与 Fable 5.2 并列最高 ECI 分数 174
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。
「模型」频道最新
- GPT-6.2 Astra 发布 4 小时即上架第三方 API,便宜 12.4% — markjeffrey · 2026-11-18
- 用户实测 GPT 6.2 Astra 与 Sol:暂未发现负面表现 — craigsdennis · 2026-11-18
- SpaceX CFO 力捧 Grok Bot:称其为当前最佳 agentic AI 方案 — elonmusk · 2026-11-18
- 让 Claude 自由创作:Fable 5.2 产出画作与自我反思诗集 — andybdesign · 2026-11-18
- 微软发布 7 款高性价比模型与第二代 Maia 200 加速器 — iJeff · 2026-11-18
- 企业实测:GPT-6.2 Astra 成本贵 3.6 倍,得分反低于 6.1 Sol — emilahlback · 2026-11-18