观点与评论

OpenRouter 翻遍 11 款 LLM 找最快的决策模型:Claude vs. Grok 领衔

原文标题:A Robot is Sprinting Towards You: Do You Want it Running on Claude or Grok?

AI 摘要

OpenRouter 用总价 482 美元的推理花费,让 11 款大语言模型在 30 轮实时决策的“大逃杀”挑战中正面竞争。实验结果表明,传统的静态 benchmark 排名无法反映模型在需要即时反应的智能体任务(如自主控制机器人)中的真实表现,Claude 和 Grok 系列模型在决策速度与任务成功率上表现突出,而多项高分模型的实时调度能力未达预期。

关键信息

  • OpenRouter 用总价 482 美元的推理花费,让 11 款大语言模型在 30 轮实时决策的“大逃杀”挑战中正面竞争。
  • 实验结果表明,传统的静态 benchmark 排名无法反映模型在需要即时反应的智能体任务(如自主控制机器人)中的真实表现,Claude 和 Grok 系列模型在决策速度与任务成功率上表现突出,而多项…
  • Jacky 把 11 个模型丢进大逃杀,发现 Grok 4.
  • 1 Fast 以 27 倍成本优势击败 Sonnet,而获胜关键不在基准分数,在于模型被训练时压制的攻击性。
  • 对任何不再只看排行榜选模型的人,这是今年最值得读的实验

速览

发布时间
更新时间
来源
OpenRouter:Announcements(RSS)
分类
观点与评论
AI 评分
66
阅读原文 前往信息源阅读完整正文
推荐理由

Jacky 把 11 个模型丢进大逃杀,发现 Grok 4.1 Fast 以 27 倍成本优势击败 Sonnet,而获胜关键不在基准分数,在于模型被训练时压制的攻击性。对任何不再只看排行榜选模型的人,这是今年最值得读的实验。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:OpenRouter 翻遍 11 款 LLM 找最快的决策模型:Claude vs. Grok 领衔。2026年6月4日。https://new.nat6.net/news/cmq02h5su02a7sltrhs0xegph/

查看全部 →
  • OpenAI模型发现Erdős猜想反例

    当我们的一个模型找到了一个80年历史的Erdős猜想的反例时,发生了什么? 研究人员@alexwei_、@HongxunWu和@wjmzbmr1在OpenAI播客中与@AndrewMayne分享了这一故事,并解释了数学家与模型如何合作取得…

    X:OpenAI (@OpenAI)观点与评论AI 评分 70

  • 世界模型的功能分类

    World Labs团队与李飞飞发文,梳理“世界模型”这一被滥用的术语。对比语言模型学习文本统计,世界模型学习空间与时间统计(如光照、物理规律)。基于部分可观马尔可夫决策过程(POMDP)框架,智能体通过动作影响世界状态,观测是部分视图。…

    X:Fei-Fei Li (@drfeifei, World Labs)观点与评论AI 评分 78

  • 共存与协同智能的终结

    Ethan Mollick 在 One Useful Thing 博客中,以“共存与协同智能的终结”为题,并附带介绍了如何向 AI 推销一本书。

    Ethan Mollick:One Useful Thing(RSS)观点与评论AI 评分 61

  • AI的微型钢厂

    作者通过技能蒸馏将78%的AI工作交由Mac本地模型处理,仅复杂任务发往云端。智能体自动分类任务:简单任务本地数秒完成,复杂任务路由至云端。过去一周本地处理峰值达88%。双车道设计使吞吐量提升约25%,平均任务时长从47秒降至19秒,队列…

    Tomasz Tunguz 博客(VC 分析)观点与评论AI 评分 68