GPT-6.2双模型在SimpleBench落后人类
AI 总结
SimpleBench Team公布了包含200多道选择题的榜单,题目涵盖时空推理、社会智能和语言鲁棒性。GPT-6.2 Astra得分77.3%,GPT-6.2 Sol得分69.9%,均低于83.7%的人类基线;不过,榜单中的Claude Fable 5.2和Gemini 4 Neon等新模型已超过该基线。
深度见解
结果显示两个OpenAI模型在日常推理评测中均落后于报告的人类基线,但较新模型已在这份榜单上超过该基线。
SimpleBench
Where Everyday Human Reasoning Still Surpasses Frontier Models
SimpleBench Team
Latest LeaderboardReportTry Yourself
Public Dataset
部分来源内容未展示,可前往原文继续阅读。
#SimpleBench#GPT-6.2 Astra#GPT-6.2 Sol#OpenAI#Claude Fable 5.2#Gemini 4 Neon