SuperCLUE基准测试于2026年11月发布,其中亮点是韩国的Darwin-180B-RSI-R3模型,该模型首次登上排行榜。在19个参赛模型中,该模型在数学和科学推理方面位居第二,表现优于Gemini-4-Argon和DeepSeek-V4.1-Flash等模型。值得注意的是,Darwin-180B-RSI-R3是一个开源模型,其成本效益与基于API的模型分开评估。 AI
影响 为推理任务中的开源模型树立了新基准,可能影响未来的模型开发。
排序理由 该条目报告了AI模型的新基准测试结果,包括其性能指标和其他模型的比较。[lever_c_demoted from research: ic=1 ai=1.0]
- Alibaba Group
- CLUE Chinese Language Understanding Evaluation
- Darwin-180B-RSI
- Darwin-180B-RSI-R3
- DeepSeek-v4.1-Flash-1017
- Qwen3.8-Flash-Next
- Qwen3.8-Max-0902
- SuperCLUE
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →