Tim dots Xiaohongshu merilis VibeLifeBench dan VibeSearchBench: tujuh model terkuat tidak ada yang lulus
Judul asli:把最强模型丢进真实生活一个月,没有一个及格
Ringkasan AI
Tim dots Xiaohongshu meluncurkan dua tolok ukur skenario kehidupan, VibeLifeBench dan VibeSearchBench; dalam pengujian, tujuh model terkuat saat ini tidak ada yang menyelesaikan masalah kunci seperti masa berlaku paspor pada waktu yang tepat, dengan skor tertinggi hanya 0,325 (Opus 5).
Poin utama
- Tim dots Xiaohongshu meluncurkan dua tolok ukur skenario kehidupan,VibeLifeBench dan VibeSearchBench
- dalam pengujian,tujuh model terkuat saat ini tidak ada yang menyelesaikan masalah kunci seperti…
- dengan skor tertinggi hanya 0,325 (Opus 5).
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- 公众号:小红书技术(dots.llm)
- Kategori
- Makalah & Riset
- Skor AI
- 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。
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Tim dots Xiaohongshu merilis VibeLifeBench dan VibeSearchBench: tujuh model terkuat tidak ada yang lulus. 31 Juli 2026. https://new.nat6.net/id/news/cmsdu108a00u8rofzj55w3j8n/