METR 季报:砸 9 万美元请人类专家仍跑不赢前沿模型
iruletheworldmo · x · 2026-11-21
METR 发布 Q4 更新,关键数据被发帖人称为"把重点埋在了正文里":
- METR 花了 9 万美元、以 200–350 美元/小时的时薪雇人类专家(包括 Codeforces 大师和 ARC-AGI 冠军),依然找不到能在多月期优化竞赛中击败前沿模型的人;
- 前沿模型在这些赛事上达到第 96–98 百分位;
- 任务完成时间跨度达到 27 小时,约每 3.6 个月翻一番;
- 配图显示该数据仅覆盖 Opus 5.5 和 GPT-6 Astra,尚未测试更新的 Fable 5.2、GPT-6.2 与 Gemini 4 Neon;FrontierMath T4(Astra)达 98%、MirrorCode(Opus 5.5)77%。
发帖人结论:所谓"放缓"并不存在,趋势仍在陡峭上行。
「漫话AGI」频道最新
- Yudkowsky 断言:AI 证明黎曼猜想只是时间问题 — ESYudkowsky · 2026-11-21
- 博主断言:12亿用户的 ChatGPT 将在模型同质化时代赢下 AI — alexmacgregor__ · 2026-11-21
- 数学家 littmath:连我妈都发短信报自己的 p(doom) 了 — littmath · 2026-11-21
- 编码已死软件不死:好软件是一套坚定观点而非代码 — pramodk73 · 2026-11-21
- Gary Marcus 回击:不是机器抢功,是科技大佬无视人的劳动 — GaryMarcus · 2026-11-21
- 获奖小说被判定 99% AI 生成,出版社坚持颁奖引 AI 文学争议 — GarrisonLovely · 2026-11-21