术语slug: elo-rating

Elo 评分

Elo Rating

基于成对比较结果动态计算模型相对排名的统计方法,常用于竞技场类评测。

收录情报动态

共 4 篇 · 第 1/1 页
Artificial Analysis (@ArtificialAnlys)T1·智能体与协同
45 分
Cartesia 语音智能体基准测试得分提升

Cartesia Managed Agents 在 Artificial Analysis 语音智能体竞技场中取得 1115 Elo 分,较前代产品提升 98 分。其任务成功率从 77.5% 升至 91.7%,主要得益于 Ink STT/TTS 模型与 GPT-5.5 LLM 的级联架构优化。

Artificial AnalysisT1·基座大模型
86 分
Claude Opus 5.5 登顶 AA 智能指数:以 58 分刷新纪录并大幅降价至 $4/$20

Anthropic 发布 Claude Opus 5.5,在 Artificial Analysis Intelligence Index 中以最高努力模式获得 58 分的历史最高纪录。该模型在 Terminal-Bench 4.0 和 AutomationBench-AA 等关键评估中与 GPT-6 Astra 持平,并在六项基准测试中领先,同时在 agentic 知识工作(AA-Briefcase)上确立显著优势。此外,API 定价下调至每百万 token $4/$20,缓存读取费用减半,提升了性价比。

Artificial AnalysisT1·基座大模型
68 分
xAI Grok 4.7 基准测试:智能指数达 46,编码代理性能超越 GPT-5.6 Sol

xAI 发布 Grok 4.7 模型,在 Artificial Analysis 智能指数中得分 46,跻身全球前四 AI 实验室行列。该版本在长周期知识工作(AA-Briefcase)和编码代理任务上表现显著提升,其中编码代理指数得分 56,超越了 GPT-5.6 Sol。尽管在非代理任务上的改进较为渐进,但其在特定垂直领域的突破确立了新的竞争格局。