第三百八十四章 双标 (第3/3页)

题中，有三十五分与长程任务管理有关。

    当然，这里说的分，并不是像学生做卷子那样，四个选项里蒙一个，对了就拿分。具体测试过程相当复杂：每一题都要完成一个跨度长达几个小时、经过很多步骤才能完成的任务，最后成功才能拿到一分；有时甚至要重复多次验证稳定性，取平均分。

    在这样的新标准下，公开模型的评分普遍不算太高。

    之前霸榜很久的汤圆0.9，只有70.2分。

    Gemini的新模型最终得分70.8分，OpenAI的GPT-V-II最终得分71.7分。

    分数第二高的金星模型2.0，得分72.3分。

    彼此咬得很紧。

    只有汤圆1.0，得分93.5，比第二名领先二十多分。

    说实话，领先到这个程度，林伟伦也不理解。

    但正因为不理解，他更不能接受理查德等人毫无理由的打压。打不过就改规则？这些傲慢的西方人。

    林伟伦翻出源智科技参会成员的联系方式，决定等对方到了之后，亲自过去交流一下。

    至少要让他们知道自己受到的不公正待遇。

    如果他们需要帮助，林伟伦也做好了准备。

    另一边，理查德刚刚接通和硅谷的电话。

    电话那头是Nexus AI的CEO瑞恩。

    “测试成绩你看到了吗？”理查德一边喝红茶一边说，“恭喜你啊，瑞恩，这次你可是堂堂正正地打败了山姆。”

    “看到了，还要多亏老师你的指点。”瑞恩说。

    在学术生涯中，瑞恩曾与理查德有过友好的学习关系；这段关系一直保留下来，在他创业过程中也起到了很大帮助。

    就拿这次来说，如果没有理查德在大方向上的指点，甚至点出某些极为具体的技术挑战，金星2.0的研究方向肯定也会优化长程任务；但效果能不能有现在这么好，瑞恩也不敢保证。

    “很好，听说MCP最近的推广也很有成效，我为你自豪。”理查德在电话里笑了两声，“期待在新加坡见到你展示最新成果。我知道，你的对手，那个汤圆协议公司的人也会来；但是你放心，你会得到我的支持。”

    理查德没有提汤圆1.0。

    毕竟他真心认为，这个模型作弊了。大部分顶级模型之间的差距都在一两分之间，这个模型一次高出二十分去，除了作弊，他想不到别的原因。

    虽然理查德也没想通他们是怎么作弊的，但这不重要。

    电话挂断后，瑞恩靠在老板椅背上，把双脚翘上办公桌桌面，鼻子里哼起了意大利小曲。

    Nexus AI最新模型的能力，超过了OpenAI最新模型。

    值得纪念的一天。

    什么叫技术储备啊？这就是技术储备！

『加入书签，方便阅读』