GDPval-AA
PulseAugur coverage of GDPval-AA — every cluster mentioning GDPval-AA across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
GLM-5.2 在真实世界代理工作基准测试中领先开源模型 · 跟踪 2 个来源
GLM-5.2 已成为上周 Fireworks AI 平台上最受欢迎的新模型。该开源模型在 GDPval-AA 基准测试中位列第三，该基准测试评估在真实世界知识工作任务上的表现。GLM-5.2 在此基准测试中也以显著优势领先所有其他开源模型。
-
Fireworks AI 提供智谱 AI 的 GLM-5.2，顶级开源编码模型
Fireworks AI 已宣布 GLM-5.2 现已在其推理平台上可用，并强调其作为顶级开源编码模型和 GDPval-AA 基准测试中第三名的性能。该模型由智谱 AI（前身为 Z.ai）开发，拥有 100 万个 token 的上下文窗口，专为长时任务设计。Fireworks AI 在其自有基础设施上独立验证了 GLM-5.2 的能力，确认了其强大的推理和编码性能。
-
Google DeepMind 发布 Gemini 3.5 Flash，用于加速代理任务
Google DeepMind 推出了 Gemini 3.5 Flash，这是一款针对速度和代理任务进行了优化的新型前沿智能模型。该模型在编码和代理开发等复杂、长周期的任务方面表现出色，在 Terminal-Bench 2.1 和 GDPval-AA 等基准测试中优于之前的 Gemini 版本。Gemini 3.5 Flash 现已通过 Gemini 应用、Google AI Studio 和企业解决方案等各种 Google 平台在全…
-
X推出Grok 4.3，代理性能提升且价格更低
xAI发布了其AI模型的新迭代Grok-4.3，与前代相比，它提供了更强的代理性能和更低的价格。该模型在Artificial Analysis GDPval-AA基准测试中取得了321 ELO点的显著提升，总得分达到1500。这一性能超越了其他领先模型，使Grok-4.3成为AI市场上的有力竞争者。
-
小米的MiMo-v2.5-Pro开源模型可与顶级AI编码助手相媲美
小米发布了MiMo-v2.5-Pro，这是一款专注于编码的开源语言模型，在复杂任务中展现出令人印象深刻的能力。该模型在数小时内成功完成了一个大学级别的编译器项目，根据模糊的提示构建了一个功能齐全的视频编辑器应用程序，并解决了模拟电路设计问题。MiMo-v2.5-Pro在编码基准测试中表现强劲，可与GPT-5.4和Claude Opus 4.6等顶级闭源模型相媲美，现已在HuggingFace上发布。