基准Agent's Last Exam
Agent's Last Exam
由UC Berkeley联合主导、覆盖55个行业、300位专家参与设计的AI评估基准，采用全自动化评分机制，专注于抗训练数据污染，涵盖法律合规、生物信息学、金融建模等高度专业化领域
时间轴 (近 90 天)
10月29日
Agent's Last Exam成绩从69分提升至77分。
待验证50%
10月18日
DeepSeek V4.1 Flash 1017在Terminal Bench 4.0上从31.2升至42.3，Program Bench从20.2升至42.3，Agent's Last Exam从31.8升至35.4，Apex Bench从64.6升至72.1，Chartography从78.9升至83.0，Baby Vision从89.6升至92.5。
待验证50%
10月4日
GPT-6 Astra在UC Berkeley设计的Agent's Last Exam上刷新了SOTA，且成本远低于Fable 5
待验证50%
9月3日
在Agent's Last Exam、ZeroBench、DeepSWE三项测试中，V4-Flash-Vision-Exp成绩反超Opus 4.8
已过期50%