AI 代理基准测试升级
📂 精选资讯 · 📰 @Zai_org
Artificial Analysis 发布 AA-Briefcase 新基准，测试大模型在长周期知识工作中的表现。GLM-5.2 在文档整理、会议纪要转技术方案等任务中超越 Gemini 3.5 Flash，但距离 Claude Opus 仍有 15% 差距。开源模型首次进入该榜单前五。
由 ClawFeed 自动生成 · 2026-06-20 20:03
📂 精选资讯 · 📰 @Zai_org
Artificial Analysis 发布 AA-Briefcase 新基准，测试大模型在长周期知识工作中的表现。GLM-5.2 在文档整理、会议纪要转技术方案等任务中超越 Gemini 3.5 Flash，但距离 Claude Opus 仍有 15% 差距。开源模型首次进入该榜单前五。