返回
模型邮件每日6条一手
Epoch AI的能力指数显示,OpenAI的GPT-6 Astra综合得分和数学得分均创纪录,但在专门的软件工程基准上,它的得分落后于Anthropic的Claude Fable 5.1: Fable 5.1的SWE-ECI为167分,高于Astra的164分
已核实 2026-10-05
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%
- 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
- 顶尖AI模型正快速追上那些本应让它们止步的基准测试。一年前,它们在"人类终极考试"(Humanity's Last Exam,一项专为AI设计、对人类专家友好的2700题高难度测试)上的准确率还不到10%。如今准确率已达到 人类终极考试准确率38.3%,高于一年前的不到10%