四旗舰横评 33 项基准:Claude Fable 5.2 综合领先,GPT-6.2 紧咬
HealthySkeptic2000 · reddit · 2026-11-21
Reddit 用户汇总 2026 年 11 月 21 日的四款旗舰模型横评,覆盖 33 项基准(总索引、编码、智能体、推理、科学、金融法律等)。
要点:
- 总体索引:Claude Fable 5.2 在 AA Intelligence Index(64.6)、Vals Index(71.31%)、LiveBench 2.0(84.9,与 GPT-6.2 Astra 并列)领先;GPT-6.2 Astra 以 174.2 拿下 Epoch Capabilities Index。
- 编码:Fable 几乎横扫——SWE Atlas 80.5%、Vibe Code Bench 93.8%、WebDev Arena Elo 1824;Kimi K3.1 Pro 仅在 Terminal-Bench 4.0 AA 版(67.2%)登顶。
- 智能体:互有胜负——Astra 拿下 Agents' Last Exam(78.3%),Gemini 4 Carbon 拿下 APEX-Agents(84.2%),Fable 在 Coarena Computer Use(Elo 1104)领先,Kimi 在 GDP.pdf(31.4%)第一。
- 推理知识:Fable 的 HLE-Diamond 80.2%、SimpleQA 94.0% 大幅领先;Kimi 综合明显掉队(AA 指数 46.5)。
- 金融法律:Gemini 4 Carbon 在 Vals Legal Index(75.93%)、Tax Agent(51.8%)等多项领先。
数据来自 Artificial Analysis、Vals AI、Epoch AI 等多个第三方榜单独立口径。
「模型」频道最新
- Reddit 网友热议去审查版开源模型:DeepSeek V4.1 Flash 跑 200 tok/s 且有问必答 — Ontopoftheworld_ay · 2026-11-21
- NDIF 上线 Inkling 2 Mini 白盒访问,可免费干预模型内部激活 — simonguozirui · 2026-11-21
- Inkling 2 mini 本地实测超预期:M5 Max 低推理强度也省 token — LiTianleli · 2026-11-21
- Inkling 2 Mini 在 Vals CyberBench 追平 Opus 5.5:74.58%,每测成本仅 0.93 美元 — Aubrey_D_Graham · 2026-11-21
- 用户呼吁 Gemini 开放订阅给第三方 Agent,别锁在自家壳里 — WolframRvnwlf · 2026-11-21
- 29 美元买到 200 美元的 Claude Max,转售黑产如何套利? — mehdiweb · 2026-11-21