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%