新LLM亮相得分高；Mistral、DeepSeek达90%

最近对十个大型语言模型的基准测试显示，五个新模型系列在编码任务上的得分均达到75%或更高。Mistral Large 2411和DeepSeek Chat V3-0324两个模型达到了创纪录的90%得分。L3 Lunaris 8B模型以其极低的成本（每次基准测试运行仅需0.0001美元）获得85%的得分，表现尤为突出。 AI

影响 新模型在编码基准测试中持续获得高分，表明在智能体能力和成本效益方面取得了快速进展。

排序理由 文章详细介绍了多个LLM的基准测试结果，包括新系列和创纪录的得分，这属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• DeepSeek
• DeepSeek Chat V3-0324
• Inflection
• L3 Lunaris 8B
• Mancer
• Mistral Large 2411
• OpenRouter
• Qwen
• Qwen3 8B
• Qwen Plus 2025-07-28
• Sao10k
• Undi95

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →