Evaluated

general · First seen 2026-05-22 · Last seen 2026-10-22 · 96 mentions

Overview

Evaluated(评测)指用统一的基准和数据集对 AI 模型能力进行量化打分的过程,是判断模型强弱、指导选型的核心环节。随着大模型迭代加快,评测本身正成为 AI 领域争议最多的方向之一:榜单越来越多,但结果之间的可信度和可比性却在下降。

模型评测近期进展

  • 模型创造力排行 GPT-6 Astra 排第一、Claude Opus 5.5 第八?而且最强模型还是远低于人类? — Kombaico 发布了 Design Creativity Bench,专门评估模型的设计创造力。结果显示 GPT-6 Astra 排第一、Claude Opus 5.5 仅排第八,且最强模型得分仍远低于人类,引发对通用榜单覆盖面的讨论。
  • We let open models access the outside world during… — AI21 Labs 探讨让开源模型在评测中访问外部工具与环境,挑战传统
  • Coverage

    8 on file
    Evaluated · AI 话题观测|AI热报