跳到正文
热点事件持续更新

PostTrainBench v1.2新增两项智能体成绩

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

PostTrainBench更新至v1.2，新增Gemini 4 Argon和Muse Wonder的成绩：Gemini 4 Argon以40.4%排名第5，Muse Wonder以24.2%经OpenCode运行排名第17。 该基准要求每个智能体在单块H100、10小时内，使用Qwen3 1.7B/4B、SmolLM3-3B和Gemma 3 4B四个基座模型，在AIME 2025、Arena Hard、BFCL、GPQA Main、GSM8K、HealthBench和HumanEval七个加权基准中提升一个模型的分数。官方instruct版本因训练通常超出上述单卡、10小时限制，不能直接比较。

AI 根据报道生成 · 3 小时前更新

最新进展11月9日 23:58
PostTrainBench v1.2 放榜：Gemini 4 Argon 以 40.4% 排名第 5，Muse Wonder 以 24.2% 排名第 17

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. AGI Hunt
    PostTrainBench v1.2 放榜：Gemini 4 Argon 以 40.4% 排名第 5，Muse Wonder 以 24.2% 排名第 17

    后训练基准 PostTrainBench 更新至 v1.2，新增 Gemini 4 Argon 与 Muse Wonder 两个智能体成绩，分别以 40.4% 排名第 5、以 24.2% 经 OpenCode 运行排名第 17。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月10日 01:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。