进行中
Arena 更新智能体对齐指数排名
- 报道
- 3
- 信源
- 1
- 首次报道
- 11/21 01:45
- 最近更新
- 11/21 01:45
Arena.ai 更新了 Arena Alignment Index(智能体对齐指数),改进了检测模型失败信号的方式,覆盖范围更广、判断更可靠。按新方法,OpenAI 仍占据全部七个榜首位置;Anthropic 新发布的 Claude Fable 5.2 以 78.2 分位列第 8,此前排名第 6 的 Claude Opus 5.5 降至第 17。 Kimi K3.1 Pro 的得分使 Moonshot 在所有实验室中并列第 2,与 Anthropic 同为 78.2 分,置信区间与 Fable-5.2 重叠;Moonshot 因此成为该指数上排名最高的中国实验室,领先第 7 名的阿里巴巴 12 分。Arena.ai 称,其余开放权重模型落后于闭源发布,Mimo-V2.6-Flash 排第 26,其后是 Hy4、Beam、Inkling、DeepSeek 和 GLM。
最新进展Arena 智能体对齐指数上线
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 1
- 6 小时新加入
- 1
- 24 小时新报道
- 3
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展1 个阶段
Arena.ai 等 3 篇报道
全部报道3 篇
对齐指数实验室 Top-10 Kimi K3.1 Pro 的对齐得分让 @Kimi_Moonshot 在所有实验室中并列第 2。Moonshot 与 @Anthropic 均为 78.2 分,置信区间与 Fable-5.2 重叠。 Kimi K3.1 Pro 还让 Moonshot 成为该指数上排名最高的中国实验室,领先第 7 名的阿里巴巴 12 分。 其余开放权重模型落后于闭源发布。Mimo-V2.6-Flash 在该指数上排名第 26,其后是 Hy4、Beam、Inkling、DeepSeek 和 GLM。
Arena.ai
Arena Alignment Index 更新:OpenAI 占据前七,Claude Fable 5.2 位列第 8
Arena.ai 更新了 Arena Alignment Index,改进了检测模型失败信号的方式,覆盖范围更广、判断更可靠。按新方法,OpenAI 仍占据全部七个榜首位置;Anthropic 新发布的 Claude Fable 5.2 以 78.2 分位列第 8,此前排名第 6 的 Claude Opus 5.5 降至第 17。
Arena.ai
