行业动态
持平
FrontierHarness v1.1 大规模跑分
2026/11/11 — 11/11 01:20·1 个来源（全部）·1 篇报道（全部）
核心速览 (Key Takeaways)
- 一位用户在 X 上直播了 FrontierHarness Eval v1.1 跑分，覆盖 21 个 harness、5 个模型、62 个任务，每项尝试 4 次，总计 26,040 次运行。
- 发布者称规模约为 v1.0 的 72 倍，后者只有 360 次运行；
- 该跑分旨在比较不同 harness 与模型组合的表现。
事件背景与详细解读
2026 年 11 月 11 日，一位用户在 X 上直播了 FrontierHarness Eval v1.1 跑分，该测试覆盖 21 个 harness、5 个模型、62 个任务，每项尝试 4 次，总计 26,040 次运行。发布者称，此次跑分规模约为 v1.0 的 72 倍，而 v1.0 只有 360 次运行。该跑分以直播形式进行，并附有直播链接；直播过程中的具体结果、模型表现等信息尚未在现有材料中展开，目前已知信息仅止于上述规模与对比数据。
AI 综合 1 篇报道生成 · 更新于 3 天前
相关 AI 工具
24 小时热度热度指数 25 · 峰值 28 · 23 小时前
24 小时前现在
- 热度指数
- 25
- 全部来源
- 1
- 全部报道
- 1
- 首报
- 3 天前
这件事的报道 点标题看原文
11月11日
一位用户在 X 上直播了 FrontierHarness Eval v1.1 跑分，覆盖 21 个 harness、5 个模型、62 个任务，每项尝试 4 次，总计 26,040 次运行。发布者称规模约为 v1.0 的 72 倍，后者只有 360 次运行。
横向对比 Agent harness 表现的少见大规模跑分
V2EXAI 评分 52
同时在说的其他事
- 热度指数 78DeepSeek Harness 推出 iPhone 客户端 DeepPilot 开启测试1 个来源
- 热度指数 312发酵中火山引擎上线 Seedance 2.5 flash 并下调价格5 个来源
- 热度指数 94新开发者介绍使用 hikyaku 构建 LLM 网关的实现方案1 个来源
- 热度指数 82三年亏损 5.7 亿元，“太空 AI 第一股”上市首日破发1 个来源
- 热度指数 2236黄仁勋辞职后英伟达股价暴跌，散户逆势抄底35 个来源
热度怎么算的？了解口径收起
热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。
本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。
- 爆
- 讨论快速增加
- 新
- 首报 6 小时内
- 发酵中
- 讨论仍在增加