capabilities

general · First seen 2026-05-22 · Last seen 2026-11-17 · 227 mentions

Overview

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

  • Claude Fable 5.2 以 174 分刷新 Epoch Capabilities Index 纪录:Anthropic 的新模型在 ECI 上拿到 174 分,创下该指数历史新高,进一步拉开了与后续梯队的差距。
  • Gemini 4 Argon 登上 Epoch 能力指数 165 分,逼近 Opus 5.5 与 GPT-6 Astra:谷歌的 Gemini 4 Argon 以 165 分跻身头部阵营,与 OpenAI、Anthropic 的旗舰模型的差距收窄到个位数。
  • Moonshot Kimi K3 以 156 分刷新 ECI 开放权重纪录:此前 GLM-5.2 曾以 152 分保持开源最高分,Kimi K3 随后将其推高至 156 分,显示开放权重阵营与闭源前沿的能力差距在持续缩小。
  • 能力评估方法本身的演进

  • Epoch 更新能力指数 ECI,改用贝叶斯方法提升模型对比精度:新方法试图降低单一基准分数的噪声,让相邻名次模型的对比更可靠。
  • 纽约时报基于 Epoch 数据可视化 AI 训练所需算力:训练算力投入被视为能力提升的先行指标,媒体开始用它向公众解释模型代际差异。
  • 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。

    Coverage

    10 on file