实体 GDPval-AA v2

GDPval-AA v2

PulseAugur coverage of GDPval-AA v2 — every cluster mentioning GDPval-AA v2 across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 0

层级分布 · 90 天

主题

模型发布 1

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_134089 · Jul 9 · 11:55

Claude Fable 5 在 AI 性能排行榜上领先，但也是最昂贵的模型

一项名为 gdpval-aa v2 的新评估使用基于人类基线的 Elo 评分系统，衡量 AI 模型在真实世界任务上的性能。Anthropic 的 Claude Fable 5、Sonnet 5 和 Opus 4.8 模型位列前三名，表现优于 Grok 4.5、GLM-5.2 和 GPT-5.5 等模型。虽然 Claude 模型在原始性能上领先，但它们也是最昂贵的，而 Grok 4.5 因提供性能和成本的良好平衡而受到关注。