[控场AI]
基准

FrontierFinance

衡量模型在金融研究任务上表现的基准测试。

时间轴 (近 90 天)

10月30日

Sterling 在 FrontierFinance 基准上得分 58.9%,单题成本 0.61 美元。

已过期50%
10月30日

Claude Fable 5.1 在 FrontierFinance 基准上得分 55.9%,单题成本 6.89 美元。

已过期50%
10月30日

FrontierFinance 基准总分接近不代表各子任务表现一致,58.9% 对 55.9% 更适合解读为同一水平区间内的微弱领先,需与成本维度联合评估。

待验证50%
10月30日

Sterling 的发布信息目前集中在跑分和成本两个维度,可验证的细节有限,FrontierFinance 的覆盖范围和任务难度分布未展开。

已过期50%

全部知识事实 (1)

来源文章