2. Linux.do
  3. ArtificialAnalysis 更新 v5 版本，现在私有基准测试权重占比 ~60%

ArtificialAnalysis 更新 v5 版本，现在私有基准测试权重占比 ~60%

Astralyn 2026-10-28 10:37 1



这次采用了 Cognition/Devin 最新发布的 FrontierCode 2.0 版本，该基准测试难度极高，被外界认为是为应对 Fable 5.5 而推出



Source:


最新回复 (19)
  • Sokeu 10-28 10:38
    1楼

    刷题太严重了.


    我之前基本上已经只看幻觉率测试了.


  • Ruby 10-28 10:39
    2楼

    据说这家，你交钱可以上高分榜

  • yahahahahaha 10-28 10:40
    3楼

    terra max 干到哪去了这是 ^-^

  • 前原圭一 10-28 10:40
    4楼

    G61T碾压K31P 而且更便宜

  • youer 10-28 10:42
    5楼

    Cognition/Devin 最新发布的 FrontierCode 2.0 版



    devin的ds是10-17版本吗？

  • FredericMN 10-28 10:44
    6楼

    正确的，不把astra拉到第一左右，aa誓不罢休，这都第几次了

  • Z 10-28 10:44
    7楼

    terra排在sol前面 openai自己信吗…

  • 艾尔 10-28 10:49
    8楼

    有1 说1，这个就很符合体感了。

    gpt 6 Astra，被各种超越后，再次遥遥领先 opus 5.5 以外的模型了。

    DeepSeek 也超过了 mimo。


    目前 oa 断档。

    gemini4 和 wonder full 第二梯队。


    Kimi 2.5 梯队。


    其他的第三或者第 4 梯队。


    基本上和其他私有题库也很接近了。

  • wayned 10-28 10:51
    9楼

    有点幽默了，之前 Sonnet5.5 都在 Astra 前面，现在的这个才差不多

  • SplitsInOpinion 10-28 11:06
    10楼

    aa榜就算上了私有测试集实用参考性也不高。aa榜非常综合全面，但是实际上用户只会使用其中一小部分，编程或者建模或者写作等等

  • Oaki Doki 10-28 11:09
    11楼

    Trust me bro. 按这个逻辑，名次大跌的是没有持续充值？看来 opus 5.5 是持续充值了。这次 astra 也充值了，v4的时候没充 （狗头

  • Myallure 10-28 11:19
    12楼

    竟然全都打不过muse，还有我米神倒惹

  • Bliod 10-28 11:21
    13楼



  • Bliod 10-28 11:21
    14楼

    照这样他们不更新和更新都要被喷了

  • qilme 10-28 11:59
    15楼

    还是更新的太慢了，这次出的新榜在A和O的新模型发布贴中都用好几次了，而两家每隔一段时间就会换榜。估计这次AA更新的榜，在下次重磅模型发布之后，又会被换掉

  • Silence 10-28 12:48
    16楼

    图二 haiku > fable ？？？

  • 花季无言 10-28 15:22
    17楼

    haiku:我自己都不知道我这么强

  • Rana Pathan 10-28 15:35
    18楼

    这么一对比，开源第一刷分王暴露了^-^

  • cancaneed 10-30 00:10
    19楼

    请问还有哪些私有题库可以参考

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐