跳到主要内容
检索

# Epoch自动化报告基准

1 篇关联报道

订阅更新
  1. epoch.ai

    基准打平、真实工作差17分:Epoch 用自家任务测 Fable 5.2 与 GPT-6.2 Astra

    Epoch 把自家真实工作改造成评测任务,手工按内部标准给六个模型打分,100% 代表 Epoch 员工水准。Claude Fable 5.2 与 GPT-6.2 Astra 在 Epoch Capabilities Index 上大致并列刷新纪录,但在这些任务上没有任何模型达到员工标准,GPT-6.2 Astra 平均 65%,比 Fable 5.2 低 17 分。在把数据中心录入数据库的分析任务上,Fable 5.2 得 97.5%、Opus 5.5 得 87.5%,达到承包商水平,而 GPT-6.2 Astra 为 65%。

已读完全部报道