返回
模型邮件每日6条一手
SWE-bench Verified会给AI模型一个真实的GitHub问题和对应代码库,检验它写出的补丁能否真正修复漏洞。斯坦福《2026年AI指数报告》显示,截至2026年2月,表现最佳的模型——高推理模式下的Claude 4.5 Opus——已解决了 约76.8%的测试问题
已核实 2026-09-04
知情者可追踪情报俱乐部
这样的事实，一周六天送达
The Daily Receipts 工作日送达，The Weekly Brief 周六送达——邮件每日6条有出处的事实，比免费网站多2条，每一条都可追溯到原始出处。免费。
现在加入，你就能在 The Receipts Ledger 上以 100 Receipts 起步——迈向免费一年知情者或专业版的第一步。 了解规则 →
阅读今晨简报 →更多模型
- AI模型如今已能在国际数学奥林匹克竞赛中夺金,但斯坦福《2026年AI指数报告》发现,它们在一项大多数孩子很早就掌握的任务上仍会出错。在ClockBench的180种表盘设计、720道题目测试中,表现最好的模型 GPT-5.4 High正确读出模拟时钟时间的比例仅为50.6%,而人类为90.1%
- 闭源与开源AI模型的性能差距在2024年一度几乎抹平后再度拉开。截至2026年3月，斯坦福《2026年AI指数》显示，Arena排行榜上顶尖闭源模型相对顶尖开源模型领先 3.3%，高于2024年8月的0.5%
- 斯坦福大学2026年AI指数报告追踪AI模型在GPQA Diamond基准上的表现——这是一套专为抵抗谷歌搜索而设计的博士级化学和物理题。2025年,模型在该基准上的平均准确率达到93%,而专家人类验证者的基线为 81.2%——AI模型现已在GPQA Diamond上超越博士级专家12个百分点