世博体育app下载GPT-6.1 Sol 则以 1668 分名循序五-万博官方网站(官方)手机APP下载IOS/安卓/网页通用版入口
发布日期:2026-11-22 08:08    点击次数:119

世博体育app下载GPT-6.1 Sol 则以 1668 分名循序五-万博官方网站(官方)手机APP下载IOS/安卓/网页通用版入口

IT之家 11 月 21 日音书世博体育app下载,Contra Labs 于当地技艺 11 月 18 日发布 AI 贪图才能评测榜单 Frontier Design Benchmark。

其中,一款代号为 Gestalt、当今处于隐身斥地景象(Stealth)的匿名 AI 模子成为最大黑马,在专科贪图师盲测中以彰着上风登顶,跨越 Anthropic 的 Claude Fable 5.2、OpenAI 的 GPT-6.1 Sol 等主流模子,致使在贪图师偏好评分中跨越了东谈主类贪图师的参考作品。

左证 Contra Labs 官方公布的评测效果,Gestalt 的 Elo 评分达到 1931 分,胜率为 90%,位居榜单第一。

名循序二的是东谈主类贪图师参考作品 Human golden,Elo 评分为 1739 分,胜率为 74%;Claude Fable 5.2 以 1713 分名循序三,GPT-6.1 Sol 则以 1668 分名循序五。

这项评测由 Contra Labs 与 BenchFlow 谄谀推出,主要针对确切交易贪图任务,而非简便的指示词生成测试。评测任务共 33 项,其中 27 项改编自 Contra 平台上确切切贪图寄予,另外 6 项来自创业公司谄谀形貌。评测邀请了 35 名专科贪图师参与,通过 5 轮盲测累计收罗 4311 张投票。

评测秉承三形貌的:专科贪图师双盲偏好投票、贪图质地评价体系(Design Critique Rubric),以及 AI 萍踪检测器(Slop Detector)。其中,Elo 评分左证贪图师对不同作品的两两相比效果计较,涵盖色调、字体、布局、可用性以及对任务条目的除名经由。

在 Gestalt 与东谈主类贪图师参考作品的径直对决中,贪图师在 28 次相比中有 20 次聘用了 Gestalt。不外,这并不料味着 Gestalt 在扫数贪图质地宗旨上圆善面卓著东谈主类作品。

在贪图质地评价体系中,Gestalt 得分为 83 分,Claude Fable 5.2 和 Claude Opus 5.5 均达到 84 分,而东谈主类贪图师参考作品为 74 分。Contra Labs 指出,贪图师的审好意思偏好与具体实践质地并不齐全换取,东谈主类参考作品天然存在部分不错明确指出的实践问题,但在盲测中仍获取了较高的偏好票数。

AI 萍踪检测方面,Gestalt 的作品也发扬凸起,其生生效果的 AI 萍踪评分接近东谈主类参考作品。该检测器通过分类模子判断贪图作品呈现出几许 AI 生成作品的典型特征,评分越低意味撰述品看起来越不像 AI 生成。

当今 Contra Labs 尚未公开 Gestalt 的斥地团队、模子架构及具体身份,仅将其标志为 Stealth。该模子的实践开始和背后团队仍有待进一步证据。

关系阅读:

《环球最强 AI 模子:Claude Fable 5.2 登场世博体育app下载,编程超 GPT-6 Astra、登裁夺项基准》



 
 


Powered by 万博官方网站(官方)手机APP下载IOS/安卓/网页通用版入口 @2013-2022 RSS地图 HTML地图