Hesam(@Hesamation)

RT @SicongJiang25: I guess the team is working really hard benchmaxxing all the existing benchmarks.

6.2内容质量

TL;DR · AI 摘要

ℏεsam on X: "RT @SicongJiang25: I guess the team is working really hard benchmaxxing all the existing benchmarks." / X ℏ...

核心要点

  • 主题聚焦：RT @SicongJiang25: I guess the team is working r
  • 来源：Hesam(@Hesamation)，建议结合原文判断细节。
  • AI 分析暂不可用，本条为保底评分与摘要。
#技术#内容
打开原文

ℏεsam on X: "RT @SicongJiang25: 我猜团队正在非常努力地对所有现有基准测试进行基准测试。" / X

ℏεsam 转发了

Sicong Jiang

@SicongJiang25

10月13日

我猜团队正在非常努力地对所有现有基准测试进行基准测试。

ℏεsam

@Hesamation

天哪……我在我的 CrusaderBench 上测试了 Gemini 4 Argon，它排名第一，击败了 Opus 5.5。Argon 也喜欢这个基准测试："这是我遇到过的最佳设计的战略游戏基准测试之一" ☺️ 该基准测试检验模型在战略层面发展经济的能力

显示更多

4

5

89

9.4K