术语slug: steerability

可控性

Steerability

模型遵循用户指令精确调整输出内容属性(如风格、动作)的能力

收录情报动态

共 10 篇 · 第 1/1 页
Google DeepMindT1·基座大模型
88 分
谷歌发布 Gemini 4 Neon 主打端到端任务快速完成

谷歌发布 Gemini 4 Neon,定位前沿级智能与复杂软件工程、知识工作和科研流程的端到端快速任务完成。该模型在 Artificial Analysis 智能指数上以 61 分位列总榜第三,在 Vals Index 上排名第二并进入帕累托前沿,同时在 Agent Arena 可操控性榜单上排名第二。

Hacker News AIT2·基座大模型
88 分
谷歌发布 Gemini 4 Neon 主打端到端任务快速完成

谷歌正式发布 Gemini 4 Neon,定位为兼顾前沿智能与端到端快速任务完成的模型,覆盖复杂软件工程、知识工作与科学工作流。该模型在 Artificial Analysis 智能指数上以 61 分位列总榜第三,在 Vals Index 上排名第二并进入帕累托前沿,同时在 Agent Arena 可操控性榜单上排名第二,体现出对任务中途用户纠正的良好适应能力。

Arena.ai (@arena)T1·开源与评测
72 分
Inkling 2 Small 开源登顶美国开放模型榜首

Thinky Machines 今日开源 Inkling 2 Small,该模型在 Agent Arena 中以 11.5k 真实智能体会话取得 +2.9% 净提升,位列全部开放模型第 2、总榜第 22,是唯一进入开放前十的美国模型。其可控性提升 10.9% 为开放模型最高,单任务中位成本仅 0.26 美元,约为榜首 Kimi K3.1 Pro 的 1/4.7。

Arena.ai (@arena)T1·基座大模型
88 分
Claude Fable 5.2 登顶 Agent Arena 领先 30.4%

Anthropic 发布 Claude Fable 5.2 (Max),在 Arena.ai 的 Agent Arena 上以 +30.4% 净提升登顶,约为第二名 Opus-5.5 的 1.6 倍,并在 Code、Chat、Work 三大类别全部第一。相比 5.1 版本,排名从第 5 升至第 1,单任务中位成本由 7.7 美元降至 7.3 美元,API 价格下调 20% 至每百万 token 输入 8 美元、输出 40 美元。评测基于全球社区 4700 场真实智能体会话,用户满意度与可控性提升最为显著。

Arena.ai (@arena)T1·基座大模型
72 分
腾讯混元 Hy4 登 Agent Arena 第 14 名 成本仅为 Kimi K3.1 Pro 的 38%

腾讯混元 Hy4 在 Agent Arena 基于 8500+ 真实长程智能体会话的评测中位列总榜第 14,较预览版提升 3.6 个百分点,并进入帕累托前沿。其单任务成本 0.55 美元,比得分相近(差距 1 个百分点内)的 Kimi K3.1 Pro Max(1.46 美元)低约 62%。官方称权重开放后,Hy4 将与 Kimi K3.1 Pro 并列开源模型第一,目前仍为闭源。

Arena.ai (@arena)T1·基座大模型
85 分
Gemini 4 Carbon 登顶 Arena 文本榜 智能体性能大幅跃升

Google DeepMind 的 Gemini 4 Carbon (High) 在 Arena 平台首发即取得显著成绩,位列文本榜第一、智能体榜第二及代码 WebDev 榜第四。其在真实用户会话中的智能体任务成功率与可控性显著提升,且成本较竞品低约 72%,重新定义了前沿模型的性能-成本帕累托边界。

Arena.ai (@arena)T1·基座大模型
68 分
Meta Muse Wonder Full (Max) 跃居 Agent Arena 第四

Meta 最新模型 Muse Wonder Full (Max) 在 Agent Arena 中排名升至第 4,较前代提升显著。该模型在真实代理会话中实现 +11.3% 的净改进,并在代码、聊天及工作场景类别中均进入前十,展现出更强的可控性与工具调用可靠性。