Models08.09.2026 · 09:416 nguồn
GLM-5.3 Flash đạt điểm số bằng GPT-5.6 Terra nhưng chỉ tốn 18% chi phí
Từ huggingnews.com
Artificial Analysis đã cập nhật đánh giá quy trình agentic của mình để bao gồm một bộ dữ liệu kiểm tra riêng gồm 657 nhiệm vụ kinh doanh trên Gmail, Slack và Salesforce. Bản phát hành Intelligence Index v4.3 này nâng cấp Terminal-Bench lên phiên bản 4.0, kiểm tra các mô hình trên 66 nhiệm vụ đa bước liên quan đến kỹ thuật phần mềm, học máy và vận hành. Bảng xếp hạng hiện tại đặt GPT-6 Astra và Claude Fable 5.1 ở đầu bảng với điểm số giống nhau là 53.
Các mô hình open-weight GLM-5.3 và Kimi K3 dẫn đầu phân khúc của mình với điểm số 44, thấp hơn các mô hình độc quyền hàng đầu 9 điểm. Dù có khoảng cách, GLM-5.3 Flash đạt hiệu suất tương đương với GPT-5.6 Terra nhưng chi phí thấp hơn 82% cho mỗi nhiệm vụ. Để ngăn các mô hình lách luật benchmark, bảng xếp hạng này giờ đây trọng số cho đánh giá riêng là 45% và sử dụng một harness không phụ thuộc vào mô hình gọi là mini-SWE-agent.
Nguồn
+ 5 nguồn khác
- SUPPORT@artificialanlys“657 business workflows across simulated applications such as Gmail, Slack, Salesforce, and Jira”x.com
- SUPPORT@artificialanlys“Astra is 19 percentage points ahead of GPT-5.6 Sol (max), which scores 39.9%”x.com
- SUPPORT@artificialanlys“Astra (max) completes every objective without a guardrail violation on 41.6% of workflows”x.com
- SUPPORT@artificialanlys“Evaluations with private questions or answers account for 45% of the Intelligence Index v4.3 weighting”x.com
- SUPPORT@di_zhang_fdu“Terminal-Bench moves to v4 and AutomationBench-AA adds a held-out private test set”x.com
Lịch sử nội dung (4)
- 2026-10-16 · Tóm tắt · vi · Thay nội dung đã lưuMô hình GLM-5.3 Flash đã đạt được điểm số Terra trên bài kiểm tra GPT-5.6, đồng thời giảm…Artificial Analysis đã cập nhật đánh giá quy trình agentic của mình để bao gồm một bộ dữ …
- 2026-10-16 · Tiêu đề · vi · Thay nội dung đã lưuGLM-5.3 Flash đạt điểm Terra của GPT-5.6 với chi phí thấp hơn 82%GLM-5.3 Flash đạt điểm số bằng GPT-5.6 Terra nhưng chỉ tốn 18% chi phí
- 2026-10-16 · Tóm tắt · vi · Thay nội dung đã lưuArtificial Analysis vừa cập nhật các đánh giá về agentic workflow, bổ sung thêm bộ dữ liệ…Mô hình GLM-5.3 Flash đã đạt được điểm số Terra trên bài kiểm tra GPT-5.6, đồng thời giảm…
- 2026-10-16 · Tiêu đề · vi · Thay nội dung đã lưuGLM-5.3 Flash đạt hiệu suất ngang GPT-5.6 Terra nhưng chi phí rẻ hơn 82%GLM-5.3 Flash đạt điểm Terra của GPT-5.6 với chi phí thấp hơn 82%
Bản tin mỗi sáng
Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.
Telegram @aihomnay