Artificial Analysis 发布性格基准:30 项特质 8 大指数横评 53 个模型
ArtificialAnlys · x · 2026-11-19
Artificial Analysis 推出 AA-PersonalityBench,衡量模型「怎么说话」而非「答得对不对」:30 个性格特质由 LLM 评审两两对比,按 Bradley-Terry Elo 打分,共 900 条评测;特质汇总为表现力、条理性、信息量、透明度、温度、笃定度、想象力、Slop 8 个指数,并直接测量 21 项沟通特征(长度、结构、标点等)。初步发现:high effort 变体在 Evidence-Based 和 Disclaims Assumptions 上得分明显更高,如 GPT-6.2 Astra 的 Evidence-Based 从 12 升到 54,GPT-6.2 Sol 的 Disclaims Assumptions 从 26 升到 77。
「模型」频道最新
- Resolve 发布 SRE-1:27B 模型定位生产事故根因,512 GPU 训成 — tianyin_xu · 2026-11-19
- Theo 试用后改口:Gemini 4 Neon「可能真的是个好模型」 — vitaliychiley · 2026-11-19
- Artificial Analysis 实测:GPT-6.2 回复缩短 40%,不再轻易承认不确定 — ArtificialAnlys · 2026-11-19
- DeepSeek 4.1-Flash 角色扮演秒入戏,Nemotron 系列却要反复哄 — rickasaurus · 2026-11-19
- Anthropic 官网页面泄露 Claude Mythos 5.5 字样,传新模型随 IPO 发布 — imjustnewatai · 2026-11-19
- Agent Arena Index 排行:GPT-6.2 Astra 列第6,成 OpenAI 最强模型 — arena · 2026-11-19