出於好奇——也根據你的一些提示——我將 KIMI 和 GLM（z.ai）加入了排名。兩者實際上都是專注於程式碼的模型。
我感興趣的是：它們在稅務、醫學、法律和經濟學領域的表現如何？（Claude、ChatGPT、Gemini 和 Grok 現在也以多種模型版本被納入，並且已經讓排名產生了不小的變化。）
但請特別留意結果中的兩個模式：
→ 1. 儘管問題完全相同，卻出現的標準差。
→ 2. 模型隨時間的進步趨勢——即使觀察期仍然相對較短，也已經可以看出端倪。
誰會是第一個突破 99% 的模型？
本週該選哪款 AI 模型？
- 曝光
- 504K
- 讚
- 50
- 轉發
- 5
- 留言
- 3
- 收藏
- 9
TL;DR
本次更新探討了像 KIMI 和 GLM 這類專注於程式編寫的模型，如何在專業領域中與 GPT 和 Claude 等巨頭相較，並重點分析了效能趨勢與穩定性。
正在看 繁體中文 譯文
