AI 能力值
截止今年11月大模型竞赛的前沿在哪里?
***综合智能(AA v5.0) Anthropic Fable 5.2(65) 【第三方】AA 半独立复跑,11-17;6.2 Astra 62 第 2;v5.0 与 10 月 v4 不可比。
3D/盲测人类偏好(AA-3D) OpenAI 6.2 Astra(1318) 【第三方】Fable 5.2 1271、6.2 Sol 1259,11-17。
事实性 / 长程知识(HLE) Anthropic Fable 5.2(74.2) Opus 5.5 67.7、旧 Astra 57.2;OpenAI 仍"推理强、事实弱"。
长程无人值守 agent Anthropic Fable 5.2 Remote Labor Index 41.3%(近 Opus 5.5 两倍)、OSWorld 2.1 89.3%、SWE-bench Pro 93.0。
抽象推理(ARC 官方) OpenAI GPT-6 系列(95.0/99.95) Fable 5.2 93.8、Argon 补录 91.3/97.46;ARC 私有集,证据强。
前沿数学(FrontierMath v2 T4) Fable 5.2 100%(饱和) 题集已升 v2;旧 Astra 97.6 为旧口径,不可直接比;需看 Tier1-3。
性价比 / 单任务成本 OpenAI 6.2 Sol($1.01) 6.2 Astra $4.00、Argon $4.97、Fable 5.2 $26.54;Fable 单价/耗时最高。
多模态(视频/音频) 两家均无原生视频/音频 OpenAI/Anthropic 旗舰均为文本+图像输入;Google 系(Carbon)多模态更全。
隐空间 / 连续推理 无产品级(研究阶段) OpenAI、Anthropic 均未证实有连续隐推理产品;公开最大为 Ouro 2.6B 开源研究模型。
上下文窗口(标称) 两家并列 1M 级 Fable 5.2 1M/128K;6.2 系列 1.05M/128K。