一项新的基准测试将评估十款此前未经验证的大型语言模型，包括DeepSeek V4 Pro、Grok 4.20和GPT-5.5 Pro。测试将使用一致的方法论和评分系统，专注于实际的代理编码任务。结果将在基准测试运行后立即公布。 AI
影响 新的基准测试结果将为理解几款新LLM的能力提供见解，为未来的开发和采用提供信息。
排序理由 该集群描述了一项即将进行的对多个LLM的基准测试，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<p>Tonight at 23:00 BST we're running fresh benchmarks on 10 LLMs we haven't tested before.</p> <p><strong>The lineup:</strong></p> <ul> <li>DeepSeek V4 Pro & Flash</li> <li>Grok 4.20 & 4.1 Fast</li> <li>GPT-5.5 Pro & GPT-5.4 Pro</li> <li>Xiaomi MiMo V2.5 Pro</li> <li…