模型日报に関するニュース

2モデルがゼロ実行で爆死、Claudeは88.75点を死守

11モデルを対象とした軽量評価Smokeで、Claude Opus 4.7が88.75点で首位を獲得。9モデルがコード実行満点を取る中、文心一言4.5とGrok 4はコード実行でゼロ点となった。