未证实高分或挑战智能回报非线性论

传闻中的一款“flash”级模型据称在 ExploitBench 3000 轮测试中取得 96.8% 分数。若结果属实，将冲击“智能回报呈非线性、长任务表现会随模型能力明显跃升”的观点；作为对比，报道给出的 GPT-5.5 分数从 300 轮的 45%升至 3000 轮的 72%。 另有截图显示“GPT-6.1 Terra”的 ACE 归一化得分为 97.1%，但系统卡同时提示历史漏洞数据可能受污染。该高分及模型表现目前均未获证实，因此尚不能据此得出智能回报规律已被推翻的结论。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。