BullshitBench v2模型榜单发布
热点事件持续更新
BullshitBench v2模型榜单发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
petergostev 分享的 BullshitBench v2 榜单共收录266个模型,Claude Opus 4.8(无推理)和Qwen3.8 Max均以95%的Clear率并列第一,Google Gemini 4系列也受到关注。 该榜单通过20个回答、2/3评委制,使用LLM评委衡量模型能否拒绝接受错误前提,即“识破胡说”的能力。
AI 根据报道生成 · 2 小时前更新
最新进展11月19日 19:32
BullshitBench 榜单:Claude Opus 4.8 以 95% 居首,Gemini 4 系列表现亮眼报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- AGI HuntBullshitBench 榜单:Claude Opus 4.8 以 95% 居首,Gemini 4 系列表现亮眼
BullshitBench v2 榜单涵盖 266 个模型,Claude Opus 4.8(无推理)以 95% Clear 率居首,Qwen3.8 Max 同获 95%并列第二。
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。