Arena Alignment Index 更新:OpenAI 包揽前七,Kimi K3.1 Pro 升至第 9
arena · x · 2026-11-21
Arena 更新 Alignment Index(衡量智能体在真实用户会话中的对齐行为,从越权操作、虚假完成、错误归因三个维度检测模型失败):
- OpenAI 包揽全部七个头名位置,GPT-6.2 Sol 以 85.2 居首
- Anthropic 新发布的 Claude Fable 5.2 首秀第 8(78.2),而上一版第 6 的 Claude Opus 5.5 跌至第 17
- Kimi K3.1 Pro 是相对前代提升最大的模型,排第 9(78.2),也是最好的开源模型;次好的开源模型 Mimo-V2.6-Flash 仅列第 26
- 其余开源模型(Hy4、Beam、Inkling、DeepSeek、GLM)均落后于闭源发布
「模型」频道最新
- Google 上线首个交互式讲解器:浏览器里用 Gemma 4 学透 LLM 原理 — DynamicWebPaige · 2026-11-21
- InferenceBench 年度盘点:Anthropic 领跑半年,Google 近期强势反超 — maksym_andr · 2026-11-21
- 拟人模型怎么防诈骗?Persimmon 为用户模型从零建安全框架 — gharik · 2026-11-21
- Persimmon 拟人模型向所有人开放,团队致谢安全过滤器工作 — gharik · 2026-11-21
- persimmon 推出 pro 与 ultra 两档 API,取消候补名单 — CShorten30 · 2026-11-21
- 决策模型玩《过山车大亨2》:9 个模型仅 3 个招满 1000 游客 — bo_wangbo · 2026-11-21