تحديث مؤشر التوافق في الساحة: وصل مختبران جديدان وثلاثة نماذج جديدة!
- النموذج الأعلى الجديد من Meta هو Muse Wonder، ليحل محل Muse Spark 1.3.
- Reflection تُطلق لأول مرة بنموذج Beam 1.0، وهو النموذج المفتوح الأمريكي رقم 1 على Agent Arena بشكل عام.
- StepFun، مختبر صيني آخر، ينضم إلى لوحة التصنيف بنموذج Step 5 Preview.
تصنيفات مؤشر التوافق في الساحة حسب المختبر:
- #6 @AIatMeta: Muse Wonder (Max) بنسبة 77.5%
- #7 @reflection_ai: Beam-1.0-501B-A23B بنسبة 75.3%
- #8 @StepFun_ai: Step 5 Preview بنسبة 75.1%
من بين النماذج الثلاثة الجديدة:
- Meta هي الأقوى بأعلى درجة في مؤشر التوافق (77.5%). كما تمتلك أدنى معدل إجراءات غير مصرح بها (2.09%) وأدنى معدل إنجاز خادع (14.41%) بين الثلاثة.
- Reflection AI هي الأقوى في تجنب الإسناد الخاطئ: 4.50%.
- StepFun لا يتصدّر أي فئة، لكن أقوى نتيجة نسبية له هي الإجراءات غير المصرح بها بنسبة 2.11%، وهو شبه متعادل مع 2.09% الخاص بـ Muse Wonder.
