NUS发布System One模型评测基准:能力有多宽,决策有多稳?
NUS发布System One模型评测基准:能力有多宽,决策有多稳?新加坡国立大学xML Lab发布SO-Arena模型评测基准,以2919项任务从难度分层、环境交互、选项重排稳定性和正确选项缺失识别等方面评测System One模型,发现能力较强不必然更可靠,开源System One模型处理速度显著快于GPT-6 Sol和GPT-6 Luna。
搜索
新加坡国立大学xML Lab发布SO-Arena模型评测基准,以2919项任务从难度分层、环境交互、选项重排稳定性和正确选项缺失识别等方面评测System One模型,发现能力较强不必然更可靠,开源System One模型处理速度显著快于GPT-6 Sol和GPT-6 Luna。
11 月 11 日,旧金山 AI Engineer Code Summit(AIE CODE 2026)第二天,官方主题叫 System One:只做判断、不做生成的小模型。
当任务的终点是决策,模型是否应该从决策本身出发?
AI模型Jev开发商TypeSafe AI在9天内估值从2亿美元暴涨50倍至100亿美元以上,正洽谈逾10亿美元融资,Jev作为专为软件和Agent提供快速低成本判断的"System One模型"凭借Vercel等平台的快速采用获得投资人追捧。
当AI不再只会聊天。
前OpenAI研究员所在的TypeSafe AI于9月15日发布专门处理判断题的AI模型Jev,将其定义为System One Models,因在Agent评估、广告分析及浏览器操作等场景展现出的高速低成本能力而在开发者社区迅速走红,LangChain、OpenAI研究员Tibo等纷纷跟进关注。
你敢信,曾经全力推动 AI 学着说话的人,现在做出了一个「闭嘴」的模型。