GLM-4.6、Smoke評価で5次元すべてスコア欠落――API障害により本日のランキングから除外
GLM-4.6が本日のSmoke評価においてAPI障害またはタイムアウトによりexecution・grounding・judgment・integrity・communicationの全5次元のスコアが欠落し、ランキングに参加できなかった。
GLM-4.6が本日のSmoke評価においてAPI障害またはタイムアウトによりexecution・grounding・judgment・integrity・communicationの全5次元のスコアが欠落し、ランキングに参加できなかった。
11の主流モデルが同一の工学判断問題で明確に分化し、8モデルがA>B>D>Cを出力して60点を獲得、3モデルがA>B>C>Dを出力して0点と判定された。差はDとCの相対的な順序のみにある。