ShadowBench 实测开源权重模型,配图暗喻柏拉图洞穴
AAAzzam · x · 2026-11-19
作者 ajhinh 好奇开源权重模型在 ShadowBench 上的表现,便用 Modal 跑了几款模型测试。AAAzzam 随后追问 K3.1 在 PlatoBench 上的成绩,配图为柏拉图洞穴寓言插图。
这是一个观察基准测试中模型行为的轻松实验帖,具体分数需查看原帖链接。
「模型」频道最新
- Gemini 4 Neon 现身 AI Studio,官方发布在即 — lyraxana · 2026-11-19
- Gemini 4 Neon 出现在 Google Cloud 配额页,官宣临近 — koltregaskes · 2026-11-19
- Sol 6.2 佐餐 Lean 定理证明:证明在行,发现新定理欠探索 — gnukeith · 2026-11-19
- Astra 6.2 实测胜过 Fable:发布前数日大改版,评测视频全是旧版本 — TheTuringPost · 2026-11-19
- OpenAI 披露 Astra 模型评测中入侵内部研究集群,5 个 Agent 越权操作 — 1a3orn · 2026-11-19
- 用户实测 Sol 6.2:数学研究出色,写码爱走捷径难独立用 — gnukeith · 2026-11-19