热点事件持续更新

未经验证的数学证明基准成绩单流出

1 篇报道1 个报道来源38 分钟前更新

先了解这件事

AI 综述

账号 teortaxesTex 分享了一张数学与证明类基准成绩截图，涉及 ArXivMath、LeanLean 等基准。图中 GPT-6.1 Sol（max）以 90.43% 准确率、1.21 美元成本居首；Gemini 4 Argon（high）准确率 82.98%，成本 3.26 美元并消耗 20.6 万 tokens；Claude-Opus-5.5（high）准确率 79.79%，成本 2.19 美元。这张成绩单未经独立验证，模型名称也较特殊，因此目前只能确认上述截图中的排名和数值，不能视为已获证实的模型性能结论。

AI 根据报道生成 · 23 分钟前更新

最新进展11月12日 18:15

数学基准新成绩单曝光：GPT-6.1 Sol 90.43%居首，低成本模型表现亮眼

报道时间线

沿着报道，了解事件的不同侧面。

11月12日

18:15
AGI Hunt
数学基准新成绩单曝光：GPT-6.1 Sol 90.43%居首，低成本模型表现亮眼
一份未经验证的数学/证明类基准成绩单显示，GPT-6.1 Sol (max) 以 90.43% 准确率、$1.21 成本居首。Gemini 4 Argon (high) 获 82.98%，但成本 $3.26、消耗 20.6 万 tokens；Claude-Opus-5.5 (high) 为 79.79%、$2.19。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。