Capabilities(模型能力)指 AI 系统在推理、编程、智能体任务等基准上的综合表现水平,是衡量前沿大模型竞争力与迭代速度的核心维度。目前业界最常引用的量化标尺是 Epoch AI 维护的 Capabilities Index(ECI 能力指数),它通过加权多项基准给出单一分数,用来跨厂商、跨时间对比模型能力。
模型 Capabilities 近期进展
能力评估方法本身的演进
当前焦点与观察点
竞争节奏是当前最受关注的议题。据 IT之家报道 和 Decoder 的分析,ECI 榜单显示前沿模型的第一名位置平均只能维持约 7 周,而 GPT-4 时代的统治期长达一年——这种"领先权快速轮换"既是能力溢出的信号,也带来 benchmark 之外的评估难题:单一指数能否真实反映模型在真实任务中的 capabilities,以及模型厂商针对基准优化的倾向。
另一条观察线是能力如何被工程化地组织。AWS 在 Amazon Quick 智能体原语分类 中把智能体能力拆解为 When、What、Who、How 四类原语;DeepSeek Harness 则 把 Prompt 做成运行时,让能力模块自带 Prompt 指导。这表明 capabilities 的讨论正从"模型总分"转向"能力如何在系统中被组合与调用"。短期内值得跟踪的点包括:ECI 贝叶斯新算法对排名的实际影响、开放权重与闭源前沿的分数差是否继续收敛,以及智能体类基准在指数中的权重变化。