56位从业者票选前沿模型可信基准

AI 研究者 Chris Barber 调研 56 名 AI 从业者，从 63 个基准中票选最能可信判断模型是否达到前沿水平的评测标准；Terminal-Bench 4 以 25 票居首，Terminal-Bench Science 和 FrontierCode 分别获 20 票、13 票。投票规定不得选择本人所在公司参与制作的基准、指数或人工投票榜。 多数受访者称，目前没有一项现有基准能令他们充分信任，这也构成此次评选的背景；该结果反映的是从业者偏好，而非基准已被证明能够准确衡量模型能力。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。