某模型的“思考”能力推动多项评测成绩提升
This model’s “thinking” capabilities are driving major gains:
AI 导读
一款未具名模型凭借“思考”能力，在数学与科学评测 AIME、GPQA 以及编程评测 LiveCodeBench 中取得出色成绩。该模型还在复杂提示词评测 Humanity’s Last Exam 中表现突出，并位列 @lmarena_ai 排行榜第一。
正文
当前显示原文，中文全文译文尚未就绪。
This model’s “thinking” capabilities are driving major gains:
🧑🔬Top performance on math and science benchmarks (AIME, GPQA) 💻Exceptional coding performance (LiveCodeBench) 📈Impressive performance on complex prompts (Humanity’s Last Exam) #1 on @lmarena_ai leaderboard 🏆 https://t.co/R8UFefHyv5