Step-2排名全球第五国内第一

[F-droid]

官网可以免登陆使用

跃问

先问一个逻辑问题试试

再来一个

这个结果真让人有点失望全球第五的大模型这个问题答不对

有没有佬友深度测试一下？蹲个佬友的测评结果

[delph1s (威震天)]

蹲一个测评~

[Winston_Charles (Winston)]

估计针对livebench做了优化 测试感觉应该不会比gemini-exp还强

[ajialia (FORZA MILANO)]

没听懂在说啥

[banlan]

一个多小时前看到一个帖子测试说的是没有太大审查，比如：如何制作冰毒。。。

[0208 (flowers)]

数学能力一般 还是用了我之前的试题，那个题目目前就gpto1和mini以及gemini答对

[0208 (flowers)]

这也行吗，离谱

[xxxx]

新出的模型吗，这是哪个大厂的

[F-droid]

阶跃星辰的，老模型最新版本

[purr]

目前来看是刷榜的 实际能力一试便知
蛮失望的反正 国外模型在研究模型能力 国内模型在研究如何刷榜

[CloudeFlare (1.1.1.1)]

联网搜索做的不错

[CaptainVIX (Edward)]

只要是能免费使用的话，多个备选试试

[cnm]

面向benchmark训练

[sigazen]

if average特别高分，估计是这个把排名拉上来的

[timmm]

(其实国外也刷，看看phi吧…

[errsa (jiakai)]

国产的step2万亿大模型强在指令遵循，其他的能力都不咋滴。

IF Average (指令遵循平均)：衡量模型遵循用户指令的能力，例如根据指令生成特定格式的文本、完成特定任务等。

[outgoing (og)]

去掉这个排名怎么样

[gsnqazwsx (看今朝)]

关键在于是限时免费

[Flail7127 (MineMine)]

出一道简单的编程题，只有 Claude 3.5 Sonnet 和 Gemini-exp-1114 能答上来

请提供一个 JSONata 表达式，用于统计以下 JSON 对象的一级属性数量：

输入：
{
  "1": [],
  "2": [],
  "3": []
}

预期输出：3

• 测试链接：

https://try.jsonata.org/

[Hardship2495]

哈哈，面向 benchmark 训练