Artículos e investigación

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
Leer el original Leer el artículo completo en la fuente original
Por qué importa

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.

Artículo original · Ficha de AIHOT

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/

Ver todo →