capabilities

capabilities 是人工智能领域衡量模型性能的关键指标，代表着模型在特定任务上的表现能力。

capabilities 近期进展

DeepSeek Harness 把 Prompt 做成运行时，能力模块自带 Prompt 指导：DeepSeek Harness 引入了Prompt作为运行时的一部分，这提高了模型在特定任务上的能力。

Moonshot Kimi K3 以 156 分刷新 ECI 开放权重纪录：Moonshot Kimi K3 在 Epoch 能力指数（ECI）上取得了156分，刷新了开放权重纪录。

GLM-5.2 在 Epoch 能力指数获开源模型最高分152：GLM-5.2 在ECI上获得了152分，成为开源模型中的最高分。

ECI 榜单显示前沿 AI 模型领先地位平均仅维持 7 周：ECI榜单显示，前沿AI模型的领先地位平均仅维持7周，表明竞争非常激烈。

GPT-4统治期长达一年，当前顶级模型仅维持七周(Decoder)：GPT-4曾统治AI模型领域一年，但现在的顶级模型领先地位仅维持7周。

GPT-4 在Epoch Capabilities Index领先352天，远超其他模型(Epoch AI)：GPT-4在ECI上领先352天，显示了其在能力指数上的优势。

Claude Fable 5 在 ECI 上获 161 分，超越 GPT-5.5 Pro(Epoch AI)：Claude Fable 5 在ECI上以161分超越GPT-5.5 Pro，表明其在能力上的提升。

ABC-Bench：评估LLM智能体的生物安全能力基准(arXiv: OpenAI)：ABC-Bench是一个新的基准，用于评估大型语言模型（LLM）在生物安全领域的智能体能力。

理解LLM的能力、局限与社会影响(OpenAI Blog)：OpenAI探讨了LLM的能力、局限以及它们对社会的影响。