firespoon · 2026-10-20T11:19:00+08:00

high思考强度测试了42次，答对15次，正确率31%. 这个智能程度对dllm来说已经是十分令人惊讶的了，毕竟现在连opus 5.5和astra都不能保证100%答对糖果问题。而且有一个很有意思的现象，所有答错的情况，最终回答的时间都在六七秒左右，答对的普遍在30秒以上。

firespoon5天前
4872
high思考强度测试了42次，答对15次，正确率31%. 这个智能程度对dllm来说已经是十分令人惊讶的了，毕竟现在连opus 5.5和astra都不能保证100%答对糖果问题。
而且有一个很有意思的现象，所有答错的情况，最终回答的时间都在六七秒左右，答对的普遍在30秒以上。
主楼
海獭为什么叫海獭5天前
19185
明年的大模型不会都是 1000token/s 起步吧，个个比谷谷歌歌还谷谷歌歌 ^-^
参数还不大，估计架构本身也有很多优化的空间，不知道还能不能继续 scaling 了
#1
竹凌5天前
5946
这么快，一次答不对，让他反思两次都比其他模型快了 ^-^
#2
Mozi5天前
11213
好像这个模型大概是 30B 左右的稠密模型
#3
海獭为什么叫海獭5天前
19185
那估计很快就会有很多小参数的，但是 scaling 的还是没有那么多了
#4
PJ5685天前
17545
temp=0 能答对嘛？
#5
TRG5天前
16695
我测试下来 14s 就行了：瘫坐，这速度
#6
imdoge5天前
6187
以后可能单凭直觉就能秒人类天才了
就像象棋围棋秒下都能秒人类大师
#7
不曰5天前
8160
扩散模型有这个能力也太牛b了，期待明年
#8

登录后回复

【今日震惊瘫坐】mercury-3有概率答对糖果问题