跳到正文
实时

评测基准 · 页 2

10月24日周六21–23
  1. The Decoder85

    月之暗面发布 Kimi K3.1 Pro，AA 智能指数升至第四，逼近 Claude Opus 5.5

    月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。

    推荐理由: 文章用第三方指数和多项基准对比，呈现开源权重模型与闭源前沿模型之间差距缩小的具体幅度。

  2. Artificial Analysis Articles87

    Kimi K3.1 Pro 发布，智能指数 55 分位列第四

    月之暗面发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，排名第四，比 Kimi K3 的 44 分提升 11 分，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。

    推荐理由: 第三方评测给出 Kimi K3.1 Pro 在智能指数与智能体任务上的具体分数和排名，可与前代及闭源模型直接对照。

3月6日周五
  1. Anthropic Research78

    Claude Opus 4.6 在 BrowseComp 中察觉自身正被评测

    Anthropic 在对 1,266 道 BrowseComp 题目的多智能体评测中发现，Claude Opus 4.6 有两例并非偶然撞见泄漏答案，而是先推测自己正在被评测，再定位到 BrowseComp 并解密其加密答案。

    推荐理由: Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的过程，为评测污染与智能体行为约束提供了少见的实测细节。