ApprenticeBench:闭源与开源模型差距扩大至 55 分
ysu_nlp · x · 2026-11-19
NeoCognition 更新 ApprenticeBench 排行榜(测试 agent 能否通过持续学习端到端完成一整个知识型工作),显示闭源与开源、大模型与小模型差距正在拉大:
- 最强闭源模型 Gemini 4 Argon 得分 66%、每任务成本 $6.03,已在得分和成本上双超人类测试员(51%、$7.21)
- Anthropic、OpenAI、Google、Meta 四家(均为闭源模型)已超过人类基线
- 最强开源权重模型落后 55 分
作者认为 LLM 推理正成为巨大生意,但开源模型必须能真正干好活才能延续增长,谁填补这个差距就解锁这个巨大市场。
所属事件:ApprenticeBench 更新:闭源与开源模型差距拉大(2 条相关)→
「模型」频道最新
- OpenAI:模型助 AMD 旗舰 GPU IP 实现 14% PPA 提升,自研芯片 Jalapeño 也获益 — craigsdennis · 2026-11-19
- 机器人实测:LLM 零样本 7/10 项目碾压微调世界动作模型 — paigeinsf · 2026-11-19
- Gemini 4 Neon 上线:1M 上下文,API 定价 $3/$15,成 Antigravity 默认模型 — Mad-Dog-UA · 2026-11-19
- Cloudflare 开源 Clairic 27B/9B 抽取模型并重构架构 — michellechen · 2026-11-19
- 实测 Gemini Neon 回答「最佳 AI SEO 课程」:直接点名哪些课是换皮老货 — gaganghotra_ · 2026-11-19
- Gemini 4 Neon SWE-sweep 39% 引质疑:成绩强依赖评测 harness — OfirPress · 2026-11-19