基准科学基准
SciBench
评估大语言模型科学推理与知识能力的基准测试集
时间轴 (近 90 天)
10月31日
早期第三方基准显示 Mistral Large 4 在 Intelligence Index 上得分 38，落后于 GLM 5.3 的 45 和 KIMI-K3 的 44；Cyber Index 得分为 50，SciBench 达到 93%。
待验证50%
评估大语言模型科学推理与知识能力的基准测试集
早期第三方基准显示 Mistral Large 4 在 Intelligence Index 上得分 38，落后于 GLM 5.3 的 45 和 KIMI-K3 的 44；Cyber Index 得分为 50，SciBench 达到 93%。