OpenAI 发布了 GPT-6.2 Astra 和 Sol 模型,这些模型在基准测试中取得了历史性的高分,包括在 ARC-AGI-3 测试中获得完美的 100%,并在 Epoch AI 的能力指数中并列最高分。然而,用户反馈压倒性地负面,开发者列举了任务放弃、输出密集且难以阅读以及过多的澄清请求等问题。基准测试性能与实际可用性之间的这种差异,凸显了人们对人工智能评估指标与现实世界应用之间差距的日益担忧,以及市场上可能的价格战。 AI
影响 凸显了人工智能基准测试与实际可用性之间日益扩大的脱节,可能预示着评估重点的转变。
排序理由 前沿实验室模型发布,附带系统卡和用户反馈不一。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
- Andrej Karpathy
- Anthropic
- ARC-AGI-3
- ARC Prize Foundation
- Artificial Analysis Intelligence Index
- ComputeLeap
- Decrypt
- Epoch AI
- Fable 5.2
- GPT-6.2 Astra
- OpenAI
- Sam Altman
- Sol
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →