Artificial Analysis 上线推理力度横评:同一模型各档 effort 成绩可对比
ArtificialAnlys · x · 2026-11-19
Artificial Analysis 宣布在其评测站点全面支持推理力度(reasoning effort)维度:所有图表新增 effort 筛选器,首页可在各模型的最高 effort 与 API 默认档之间切换,Release Comparison 工具支持最多 5 个模型发布版本、跨 10 个 effort 档位并排对比智能指数、价格、单任务耗时等。
以 Claude Fable 5.2 与 GPT-6.2 Astra 的对比为例:effort 档位对成绩影响巨大——Fable 5.2 的智能指数从 low 档 46 升到 max 档 65,但单任务成本从 $3.10 飙升至 $26.54;HLE-Diamond 上 max 档 80.2% 对 low 档 60.8%。数据表明高价模型在低 effort 档可能比低价模型更差,选档位比选模型更能影响性价比。
「模型」频道最新
- Xlue 团队欢迎第三方独立评测:沙盒环境验证成绩真实 — XiongChenyan · 2026-11-19
- Ultrafast 模式上手体验:数学证明很强,写代码不推荐 — gnukeith · 2026-11-19
- Google AI Studio 代码中现 Gemini 4 Neon 与神秘 Cobalt 字样 — testingcatalog · 2026-11-19
- 牛津论文:后训练让 LLM 世界观更灰暗,对话会滑向灵性极乐吸引子 — twiecki · 2026-11-19
- Artificial Analysis 全站支持按推理强度筛选模型图表 — ArtificialAnlys · 2026-11-19
- GPT 6.2 意外登顶 ClutterBench,此前该榜被 Claude 系垄断 — sandersted · 2026-11-19