El equipo dots de Xiaohongshu lanza VibeLifeBench y VibeSearchBench: ninguno de los siete modelos más potentes aprueba
Título original:把最强模型丢进真实生活一个月,没有一个及格
Resumen de IA
El equipo dots de Xiaohongshu presenta VibeLifeBench y VibeSearchBench, dos benchmarks de escenarios cotidianos. En las pruebas, ninguno de los siete modelos más potentes actuales resuelve en el momento adecuado cuestiones clave como la validez del pasaporte; la puntuación más alta es solo de 0,325 (Opus 5).
Puntos clave
- El equipo dots de Xiaohongshu presenta VibeLifeBench y VibeSearchBench,dos benchmarks de…
- En las pruebas,ninguno de los siete modelos más potentes actuales resuelve en el momento adecuado…
- la puntuación más alta es solo de 0,325 (Opus 5).
Resumen rápido
- Publicado
- Actualizado
- Fuente
- 公众号:小红书技术(dots.llm)
- Categoría
- Artículos e investigación
- Puntuación IA
- 78
两份基准将「主动性」「持久化」等模糊期待变为可量化信号,让模型在真实生活中的表现第一次有了可比较的刻度,会影响产品设计中对助手能力的评估方式。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: El equipo dots de Xiaohongshu lanza VibeLifeBench y VibeSearchBench: ninguno de los siete modelos más potentes aprueba. 31. julio 2026. https://new.nat6.net/es/news/cmsdu108a00u8rofzj55w3j8n/