Epoch AI: chưa mô hình nào đạt chuẩn nhân viên trong các nhiệm vụ công việc mở; Fable 5.2 dẫn đầu với 82%, GPT-6.2 Astra đứng thứ tư với 65%
Epoch AI đã kiểm tra GPT-6.2 Astra và các mô hình mới ra mắt khác trên Epoch Automation Reports, bộ chuẩn đánh giá các nhiệm vụ công việc mở tại Epoch, từ tạo sơ đồ theo phong cách Epoch đến thiết kế các thí nghiệm nghiên cứu cơ bản. Một nhân viên Epoch chấm từng kết quả theo tiêu chuẩn chất lượng mà họ kỳ vọng ở nhân viên Epoch; mức 100% nghĩa là đạt chuẩn đó.
Epoch cho biết tất cả mô hình đều chưa đạt yêu cầu. Claude Fable 5.2 có điểm trung bình cao nhất, 82%, còn GPT-6.2 Astra đứng thứ tư với 65%, dù cùng Fable 5.2 đạt điểm ECI (Epoch Capabilities Index) cao nhất là 174. Epoch cho biết, ở một nhiệm vụ, cả Fable 5.2 lẫn Claude Opus 5.5 đều đạt mức tương đương một nhà thầu.
Đây là điểm số do Epoch tự chấm, với nhân viên của họ làm giám khảo. Tính đến ngày 18 tháng 11, bài đăng có 224 điểm trên X.
Nguồn
Nhận tin như thế này qua thông báo đẩy.
AI Tracker báo cho bạn khi công cụ bạn dùng có thay đổi.