Amos 1 large 决策评测领先 Sarvam Prism
热点事件持续更新
Amos 1 large 决策评测领先 Sarvam Prism
2 篇报道1 个报道来源20 分钟前更新
先了解这件事
AI 综述
Zaid Mukaddam 使用同一测试框架对比其自研的 Amos 1 large（27B 稠密模型）与 Sarvam Prism（105B 混合专家模型），结果显示前者两项决策评测得分更高：Decision Bench 文本项为 94.9%，对 92.5%；类型化决策 zero-shot 为 75.9%，对 70.0%。 Mukaddam 认为，105B 参数规模对这类任务可能过重，30B 级模型已可能足够。该结论来自其公开的对比评测，仅对应上述两个测试项。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 04:33
Sarvam-Prism 评测：1071 项决策准确率 91.5%，单张 B200 每决策 65ms事件进展
2 个进展
- 11月4日 04:33 · 1 篇报道Atlan 公布 Sarvam-Prism 评测结果AGI Hunt：Sarvam-Prism 评测：1071 项决策准确率 91.5%，单张 B200 每决策 65ms
- 11月4日 02:11 · 1 篇报道Amos 1 large 对比 Sarvam Prism 评测领先AGI Hunt：Amos 1 large（27B dense）Decision Bench 领先 Sarvam Prism（105B MoE）2.4 个百分点
报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- AGI HuntSarvam-Prism 评测：1071 项决策准确率 91.5%，单张 B200 每决策 65ms
Atlan 用自建 Decision Bench 评测 Sarvam-Prism，覆盖 1071 个真实决策和 36 个数据集，文本行准确率为 91.5%，排名为第 12。其结果与 Claude Sonnet、Kev 27B 持平，落后于 Amos、plexity Decider 和 Drex Max；单张 B200 每个决策约 65ms。
- AGI HuntAmos 1 large（27B dense）Decision Bench 领先 Sarvam Prism（105B MoE）2.4 个百分点
Amos 1 large（27B dense）在 Decision Bench 对比中领先 Sarvam Prism（105B MoE），文本项得分为 94.9% vs 92.5%，领先 2.4 个百分点。类型化决策 zero-shot 得分为 75.9% vs 70.0%，评论者认为 105B 参数对这类任务可能过重，30B 级模型或已足够。
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。