（来源：上观新闻）
这个基准出🎆了名地难——此前🌩📧最好的AI系👨💻统只能完🕦成约21%🦸♂️👫的评分要🔁🚌求，而顶尖的👨机器学习博士生🇨🇭🆓在48小时内🇮🇨🇰🇳能完成🥯❓约41%🇩🇴🇪🇹。例如，如果文档🗂🦹♂️中缺少 CP🥋I 要求，DC👩🍳 有时会生🐧成在分支和转发方🏎面性能显著下👶🛵降的处🖊🕰理器🐆。这意味着，👩❤️💋👩🇳🇫日本实质上🔽♊对中东🧧石脑油的依赖📭⛷程度远超📱表面数🚤🇦🇮字🇲🇻。
方法论🕦🆒听起来很优雅👎。现实任务里最🔊🍃值得提❗💢的是内部R&D🔷代码b🤛enchmar🎎🇬🇫k，V4-Pro🎉💹-Max🌅👨🏭 67🥦%，接🇰🇾🎱近Cla📆ude🌐🇩🇪 Opus 👟4.5的70%🇭🇹↔。实际使用时👱，系统需要根♏🔡据用户的具体请🕛💭求，判断🇧🇿🐩当前任务最需🌃🏍要哪种能力，然后👨🚀🌝启用对应的插件🥙👫。AI，已经从“概🤴念”变成了👛“岗位🔳🔭”，从“论坛◽议题”变🎗程序化广告平台有哪些成了“招聘需求”🌦。
结果呢？模🇹🇱型给出的回答🐯🧓根本没有涉及🌷😶区域对比，也🐍没有质🥵量评分，甚👪😲至漏掉🇵🇾🎵了某些😪🇫🇯区域，给🧜♂️出的是一段对整张🏸图片的笼🇰🇵统描述🛸🦙。又比如在社区🤘🔤的养老活动👩🔧中心，它可以切🦋🧜♀️换到一种慢节😕奏状态，陪老人练🤫🚵♀️练“八段锦”、↖💼打打“太极🥑拳”，既🛫是锻炼🔁也是陪伴🇭🇷🈲。
