Artificial Analysis ra mắt các chuẩn đánh giá AI theo ngành; Claude Fable 5 dẫn đầu, GLM-5.2 thách thức các mô hình mã nguồn đóng

Theo dõi bởi Beating, Artificial Analysis đã ra mắt sáu chỉ số hiệu suất dành riêng cho từng ngành để đánh giá các ứng dụng kinh doanh thực tế trong lĩnh vực tài chính, luật, y tế, vận hành, kỹ thuật và kinh tế. Không giống như các điểm chuẩn đa năng truyền thống dựa trên các bộ dữ liệu học thuật, các chỉ số mới sử dụng trọng số tùy chỉnh dựa trên phân loại hoạt động công việc O*NET để mô phỏng phân bổ nhiệm vụ thực tế trong từng lĩnh vực. Trong thử nghiệm ban đầu, Claude Fable 5 đứng đầu tất cả tám chỉ số, trong khi mã nguồn mở GLM-5.2 giành vị trí đầu tiên ở năm trong sáu chỉ số ngành và đạt 53 điểm ở chỉ số kỹ thuật, tiến gần đến mức 55 của Claude Sonnet 5. Các chỉ số này cho thấy khoảng cách hiệu suất đáng kể: trong điểm chuẩn pháp lý, Gemini 3.1 Pro Preview đạt độ chính xác ngang bằng Claude Fable 5 trong phạm vi 11 điểm trong khi chạy nhanh hơn 7 lần.
Tuyên bố miễn trừ trách nhiệm: Thông tin trên trang này có thể đến từ các nguồn bên thứ ba và chỉ mang tính chất tham khảo. Thông tin này không phản ánh quan điểm hoặc ý kiến của Gate và không cấu thành bất kỳ lời khuyên tài chính, đầu tư hoặc pháp lý nào. Giao dịch tài sản ảo tiềm ẩn rủi ro cao. Vui lòng không chỉ dựa vào thông tin trên trang này khi đưa ra quyết định. Để biết thêm chi tiết, vui lòng xem Tuyên bố miễn trừ trách nhiệm.
Bình luận
0/400
Không có bình luận