一项新的基准测试评估了包括GPT-6 Astra、Gemini 4 Carbon和Claude Opus 5.5在内的多款AI模型在要求严苛的专业任务上的表现。结果显示,这些先进的AI系统总共仅通过了考试的12%,表明它们在现实世界的适用性和处理复杂工作场景方面的性能仍有很大的提升空间。 AI
影响 当前先进的AI模型在处理复杂专业任务方面的能力有限,表明理论性能与实际应用之间存在差距。
排序理由 该集群描述了AI模型在专业任务上的基准测试评估结果。[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 →