LisanBench 改规则重评，排名完全改变
先了解这件事
Lisan al Gaib 在 X 上公布 LisanBench 的重新评分结果：去掉编辑距离这一条规则、其他规则仍生效后，排名完全改变，GPT 6 Astra medium 以 56,140 分（+659%）居首，Gemini 4 Argon high 以 51,312 分（+579%）第二，GPT 6.1 Sol medium 以 49,887 分（+731%）第三。发布者称前三名全是已确认的循环者。 该发布者还称，在移除知识回忆和图构建组件的另一项衍生任务中，OpenAI 模型同样表现极强；该任务要求从 100 个词构成的图中、从给定起始词出发找最长简单路径，最接近单纯衡量规划能力。 上述分数与排名来自发布者公布的评测，并非独立验证的结果。
AI 根据报道生成 · 1 小时前更新
事件进展
2 个进展
- 10月25日 02:47 · 1 篇报道LisanBench衍生任务上OpenAI模型表现强劲Lisan al Gaib (X)：OpenAI 模型在 LisanBench 衍生任务表现强劲
- 10月24日 19:18 · 2 篇报道LisanBench 更新多推理档位评测结果Lisan al Gaib (X)：LisanBench 多推理档位实测：Muse Wonder 登顶
报道时间线
沿着报道，了解事件的不同侧面。
- Lisan al Gaib (X)OpenAI 模型在 LisanBench 衍生任务表现强劲
在另一个衍生任务中，移除了知识回忆和图构建组件后，OpenAI 模型同样极其强大。 模型以 100 个词构成图的形式给出，需要从给定起始词出发找到最长简单路径。这最接近于单纯衡量规划能力。
- Lisan al Gaib (X)OpenAI 模型在 LisanBench 子任务上达 SOTA
很高兴知道 OpenAI 模型至少在一个 LisanBench 子任务上是 SOTA： “在去掉编辑距离这一条规则（其他规则仍然生效）给模型打分时，排名完全变了： 1. GPT 6 Astra medium： 56,140 (+659%) 2. Gemini 4 Argon high： 51,312 (+579%) 3. GPT 6.1 Sol medium： 49,887 (+731%)” 前三名全是已确认的循环者 👀
- Lisan al Gaib (X)LisanBench 多推理档位实测：Muse Wonder 登顶
LisanBench 新增多推理档位测试，Meta 的 Muse Wonder Full 与 Muse Wonder 在最高推理档位下分数排名第 1、第 2，但效率仍略低于 Anthropic 的 Opus 5.5。
本事件热度走势
- 可比范围当前
- 10
- 可比范围峰值
- 1010月25日 03:00
- 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。