虽然说推理本来就基于大量的记忆数据，但是目前AI的商用技术水平也就到这了吧，要说重大突破，好像近半年也没啥的

人类的比例是92.7%，GPT 4o的比例是69.9%。不过呢，他们并没有对任何近期的推理模型展开评估。要是他们这么做了，就会发现o3达到了96.5%，成绩超过了人类。 ...

在 Design Arena 上，这是一个评估大型语言模型前端能力的众包基准测试平台，Mistral Medium 3.1 最初表现相当不错（虽然样本量仍然很小），目前排名第 8。 它的前身 Mistral Medium 3 排名第 14，但自从 6 周前发布 ...