SimpleBench
PulseAugur coverage of SimpleBench — every cluster mentioning SimpleBench across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Claude Fable 5.2 在 SimpleBench 基准测试中超越 Gemini 4
Claude Fable 5.2 在 SimpleBench 基准测试中的表现已超过 Google 的 Gemini 4 Argon 和 Carbon。Claude Fable 5.2 的得分为 94.9%，而 Gemini 4 Argon 和 Carbon 的得分分别为 91.7% 和 92.6%。这使得 Claude Fable 5.2 在此次特定评估中处于领先地位。
-
Anthropic 的 Claude Opus 5.5 在视频生成和基准测试中表现出色 · 跟踪 2 个来源
Anthropic 发布了 Claude Opus 5.5，该模型迅速获得了积极关注，尤其是在生成解释性视频方面的能力。该模型在 SimpleBench 和视觉评估等各种基准测试中表现强劲，被认为是 Anthropic 迄今为止最好的视觉模型。Opus 5.5 在 Terminal-Bench-Science 等基准测试中也展现出强大的推理能力，但建议用户管理推理成本以获得最佳结果。此次发布引发了与其他领先模型（如 GPT-6 和 G…
-
AI模型在常识基准测试中超越人类，Reddit帖子显示
一篇Reddit帖子讨论了SimpleBench基准测试，据报道该测试显示，被称为“clankers”的AI模型比人类拥有更多的常识。帖子暗示这预示着人类令人担忧的未来。
-
据报道 Grok 4.6 在 SimpleBench 上超越 GPT 5.6 Sol Pro
据报道，Grok 4.6 在 SimpleBench 基准测试中表现优于 GPT 5.6 Sol Pro。此次评估表明领先的 AI 模型之间可能出现性能转变，Grok 在此特定测试中展现出更强的能力。
-
Claude Opus 5 在 SimpleBench 上获得第二名，超越了之前的版本
Claude Opus 5 在 SimpleBench 基准测试中取得了第二高的分数，仅以微弱差距落后于 Fable 5。该基准测试评估模型在时空推理、社交智能以及处理棘手问题的能力。Opus 5 的表现显著优于 Opus 4.6、4.7 和 4.8 等先前版本，以及在此特定评估中测试过的所有其他模型。
-
OpenAI 模型在 SimpleBench 基准测试中表现出显著回归
最近对 OpenAI 模型在 SimpleBench 基准测试上的评估显示出显著回归。这表明在某些任务上的性能可能有所下降，引发了对 OpenAI 模型开发一致性和方向的疑问。
-
Anthropic 的 Claude Fable 5 以 81.9% 的分数在 Simplebench 上名列前茅
Anthropic 的 Claude Fable 5 模型在 Simplebench 基准测试中取得了 81.9% 的分数。这一成绩使其在该评估的排行榜上名列前茅。这一成就凸显了大型语言模型能力的持续进步。
-
新AI模型在SimpleBench上登顶，接近人类表现
一款新AI模型在SimpleBench基准测试中取得了最高分，险些达到人类基线水平。该模型的表现预示着AI能力取得了重大进展，尤其是在模仿人类推理和解决问题的任务上。