10:45
官方一手arXiv: DeepSeek@Jan Spörer
推荐理由：想知道开源模型在金融领域到底行不行？这份基准测试用数据说话，Kimi K2.6和GLM 5的表现可能会让你意外。
GLM 5
共 1 条相关 AI 资讯
8月11日
10:45
更新后的Financial Touchstone基准包含2967个问答对，覆盖495份国际年报。测试了20个模型，包括GLM 4.7、GLM 5、Kimi K2.6、DeepSeek V3.2等开源模型及阿里Qwen3-Max。Claude Opus 4.6准确率最高达88.4%，Gemini 2.5 Pro幻觉率最低为0.08%。Kimi K2.6准确率排名第三，GLM 5和Mistral 3分列第四、第五，挑战了推理架构或专有权重的必要性。信息检索是主要瓶颈，占失败原因的48.9%。