AI Tech News
ENJAESPTZH

WELCOME

最新文章

每日更新，精选洞察。

当每个模型都得分88%：基准测试饱和为何破坏了AI评估
Technology

当每个模型都得分88%：基准测试饱和为何破坏了AI评估

一个没人想承认的问题 前沿模型现在在MMLU上得分88%，接近人类专家天花板的预估值89.8%。这是企业AI采购部门已经悄悄遇到的饱和信号：一堆模型的测试成绩几乎完全相同，这些成绩据说无法告诉你哪一个在你的生产环境中真正有效。 讽刺之处残酷无比。MMLU推出时，GPT-3 175B得分43.9%；到2024年，前沿模型...

1 min read

追踪数据

AI智能指数 — 前沿3模型

查看所有数据集 →
01531466105-1706-0106-08Claude Opus 4.7 (Adaptive Reasoning, Max Effort) — Anthropic: 57 (2026-05-17)Claude Opus 4.8 (Adaptive Reasoning, Max Effort) — Anthropic: 61 (2026-06-01)Claude Opus 4.8 (Adaptive Reasoning, Max Effort) — Anthropic: 61 (2026-06-08)61GPT-5.5 (xhigh) — OpenAI: 60 (2026-05-17)GPT-5.5 (xhigh) — OpenAI: 60 (2026-06-01)GPT-5.5 (xhigh) — OpenAI: 60 (2026-06-08)60Gemini 3.1 Pro Preview — Google DeepMind: 57 (2026-05-17)Gemini 3.1 Pro Preview — Google DeepMind: 57 (2026-06-01)Gemini 3.1 Pro Preview — Google DeepMind: 57 (2026-06-08)57
  • Anthropic
  • OpenAI
  • Google DeepMind

Intelligence Index — Trend

※ 将光标悬停在每个点上，可查看该日期对应的具体模型版本。

最后更新: 2026-06-08 · 3 数据点 · artificialanalysis.ai

Trending#enterprise AI

开源大语言模型的转折点：从技术突破到商业现实

开源大语言模型的转折点：从技术突破到商业现实

开源模型微调：企业取代商业API的成本-收益框架

开源模型微调：企业取代商业API的成本-收益框架

文档自动化数学：Claude Opus 4.7视觉升级如何改变ROI计算

文档自动化数学：Claude Opus 4.7视觉升级如何改变ROI计算

任务特定模型选择：停止把AI当作商品——将模型与您实际构建的内容相匹配

任务特定模型选择：停止把AI当作商品——将模型与您实际构建的内容相匹配

最新资讯

查看全部 →