AA-Briefcase

Assess

Công cụ

Benchmark riêng tư đánh giá các tác vụ công việc tri thức có tính tác tử trên dự án phức tạp kéo dài nhiều tuần.

Vì sao ở đây

Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là cập nhật framework, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.

Bằng chứng (1)

7Hacker News·5/9/2026framework_update
Artificial Analysis cập nhật Intelligence Index v4.2
Artificial Analysis đã phát hành Intelligence Index v4.2 với các bài đánh giá phức tạp hơn, tập kiểm tra ẩn và cải tiến chấm điểm nhằm hạn chế việc “lách” điểm số. Bản cập nhật bổ sung AA-Briefcase và GDP.pdf, đồng thời điều chỉnh trọng số của bảng xếp hạng và công bố kết quả mới do Anthropic và OpenAI dẫn đầu.