Статьи и исследования

Команда dots Xiaohongshu выпустила VibeLifeBench и VibeSearchBench: ни одна из семи сильнейших моделей не прошла

Оригинальный заголовок:把最强模型丢进真实生活一个月,没有一个及格

ИИ-резюме

Команда dots Xiaohongshu представила два оценочных бенчмарка жизненных сценариев — VibeLifeBench и VibeSearchBench. В тестах ни одна из семи сильнейших актуальных моделей не решила в правильный момент такие ключевые вопросы, как срок действия паспорта; максимальный балл составил лишь 0,325 (Opus 5).

Ключевые моменты

  • Команда dots Xiaohongshu представила два оценочных бенчмарка жизненных сценариев — VibeLifeBench и…
  • В тестах ни одна из семи сильнейших актуальных моделей не решила в правильный момент такие…
  • максимальный балл составил лишь 0,325 (Opus 5).

Кратко

Опубликовано
Обновлено
Источник
公众号:小红书技术(dots.llm)
Категория
Статьи и исследования
Оценка ИИ
78
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: Команда dots Xiaohongshu выпустила VibeLifeBench и VibeSearchBench: ни одна из семи сильнейших моделей не прошла. 31 июля 2026. https://new.nat6.net/ru/news/cmsdu108a00u8rofzj55w3j8n/

Смотреть все →