Claude Fable 5.2 和 GPT-6.2 Astra 做真實工作表現如何?
How good are Fable 5.2 and GPT-6.2 Astra at real work?
重點導讀
模型在常見基準測試拿下高分,不代表就能做好日常工作。
- Epoch AI 用六個模型完成研究、寫作和 AI 資料中心分析等任務,再由人依照工作標準評分。
- 沒有模型在任何一項任務達到 Epoch 員工的標準。Claude Fable 5.2 和 Opus 5.5 的 AI 資料中心分析已達承包商水準,但模型仍常沿用舊點子、很少反覆修改,也不擅長挑出重要發現。評測只有少量任務且每個模型每項只測一次,分數也含有人為判斷,因此作者提醒,結果不能代表所有工作情境。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
推薦理由
這份評測把模型放進真實工作任務中比較,呈現基準測試成績與研究設計、反覆修正及成果判斷能力之間的落差。
信源出處epoch.ai
How good are Fable 5.2 and GPT-6.2 Astra at real work?
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Epoch AI Updates (epoch.ai)
開啟原文