Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2,据报道,它们在各项基准测试中均优于 Opus 5.5 和 Gemini 4 Carbon 等先前模型。尽管每 token 的价格降低了 20%,但新模型在计算上更为密集,Fable 5.2 有时会执行数千个测试用例并利用子代理进行验证。这种复杂性和每项任务成本的增加归因于增强的推理和编码能力,包括由一千多个子代理开发的功能性操作系统。 AI
影响 在编码和推理基准测试中设定了新的 SOTA(state-of-the-art),可能给竞争对手带来压力,并加速复杂任务的自动化。
排序理由 前沿实验室模型发布,附带系统卡和基准测试声明。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
- Anthropic
- Artificial Analysis
- Claude 5.1
- Claude Fable
- FrontierCode 2.0
- Jamin Ball
- Latent Space
- Opus 5.5
- SemiAnalysis
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →