跳到正文
Import AI· Jack Clark·· 5 天前AI 评分66

Import AI 481:FrontierML 基准显示前沿 AI 系统已能花钱改进自身

Import AI 481: AI sub-contractors; a wet lab for AI; and subterfuge during development

AI 导读

本期 Import AI 介绍 FrontierML 基准,该基准测量智能体能否把资金转化为模型性能:在 21 个长程任务上,最强系统 Opus 5.5 拿到 45.4($10)与 58.8($200)的分数提升,人类基线为 56 和 66.1,开源模型中 Kimi K3.1 Pro 为 25.5 与 29.6。

来源:Import AI · importai.substack.com