专题 · FULL STORY

AA-PersonalityBench：给大模型性格打分的新基准

Artificial Analysis 发布 AA-PersonalityBench 基准，转而衡量模型「怎么沟通」而非「答得对不对」，并开放结果页与方法论；随后补充的分组对比显示，开源模型在八项人格指数上全面落后于 Claude、GPT 等闭源专有模型。

2026-11-03 ~ 2026-11-04 · 2 集 · 5 条

第 1 集 · AA 推出人格基准：给大模型文风与性格打分(2026-11-03,3 条)

Artificial Analysis 发布 AA-PersonalityBench 基准并开放结果页与方法论。该基准衡量模型「怎么沟通」而非「答得对不对」，通过 LLM 评审对 30 项人格特质进行两两对比打分，测试对象为按智能指数选出的 10 个开放权重模型与 10 个专有模型，用户还可自建模型性格排行。结果显示开源模型在「真实性」上落后闭源 32 分，不过其 Slop（冗余奉承）反而更少。

第 2 集 · AA 人格基准补充：开源模型八项指数全面落后闭源(2026-11-04,2 条)

Artificial Analysis 公布 AA-PersonalityBench 分组模型名单并补充指数对比：专有组为 Claude Opus 5.5、GPT-6 等智能指数最高的 10 个模型，开源组则包括 Kimi K3.1、DeepSeek V4.1 等，结果取组均值。在补充的 8 个性格指数平均值对比中，开放权重模型除 Slop（30 vs 49，开源更少）外全部落后于专有模型。