STORY · 事件已收束

Opus 5 在 VibeLifeBench 上取得最高分 0.325

1 个精选信源 · 1 篇报道持续 1 天最新动态 3天前
最新进展

小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格

TIMELINE

报道时间线

1 条公开报道 · 官方一手 1 条 · 最新在前
  1. 小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格
    公众号：小红书技术（dots.llm）官方一手精选

    小红书 dots 团队推出 VibeLifeBench 与 VibeSearchBench 两个生活场景评测基准，测试中七个当前最强模型无一在正确时间点解决护照有效期等关键问题，最高分仅 0.325（Opus 5）。