行業動態
持平
FrontierHarness v1.1 大規模跑分
2026/11/11 — 11/11 01:20·1 個來源（全部）·1 篇報道（全部）
核心速覽 (Key Takeaways)
- 一位使用者在 X 上直播了 FrontierHarness Eval v1.1 跑分，覆蓋 21 個 harness、5 個模型、62 個任務，每項嘗試 4 次，總計 26,040 次執行。
- 釋出者稱規模約為 v1.0 的 72 倍，後者只有 360 次執行；
- 該跑分旨在比較不同 harness 與模型組合的表現。
事件背景與詳細解讀
2026 年 11 月 11 日，一位使用者在 X 上直播了 FrontierHarness Eval v1.1 跑分，該測試覆蓋 21 個 harness、5 個模型、62 個任務，每項嘗試 4 次，總計 26,040 次執行。釋出者稱，此次跑分規模約為 v1.0 的 72 倍，而 v1.0 只有 360 次執行。該跑分以直播形式進行，並附有直播連結；直播過程中的具體結果、模型表現等資訊尚未在現有材料中展開，目前已知資訊僅止於上述規模與對比資料。
AI 綜合 1 篇報道生成 · 更新於 3 天前
相關 AI 工具
24 小時熱度熱度指數 25 · 峰值 28 · 23 小時前
24 小時前現在
- 熱度指數
- 25
- 全部來源
- 1
- 全部報道
- 1
- 首報
- 3 天前
這件事的報道 點標題看原文
11月11日
一位使用者在 X 上直播了 FrontierHarness Eval v1.1 跑分，覆蓋 21 個 harness、5 個模型、62 個任務，每項嘗試 4 次，總計 26,040 次執行。釋出者稱規模約為 v1.0 的 72 倍，後者只有 360 次執行。
橫向對比 Agent harness 表現的少見大規模跑分
V2EXAI 評分 52
同時在說的其他事
- 熱度指數 78DeepSeek Harness 推出 iPhone 客戶端 DeepPilot 開啟測試1 個來源
- 熱度指數 312發酵中火山引擎上線 Seedance 2.5 flash 並下調價格5 個來源
- 熱度指數 94新開發者介紹使用 hikyaku 構建 LLM 閘道器的實現方案1 個來源
- 熱度指數 82三年虧損 5.7 億元，“太空 AI 第一股”上市首日破發1 個來源
- 熱度指數 2236黃仁勳辭職後輝達股價暴跌，散戶逆勢抄底35 個來源
熱度怎麼算的？瞭解口徑收起
熱度按 48 小時內有多少個獨立來源在說這件事算：同一個來源發多條只算一次，並按 24 小時半衰期衰減，所以排前面的是很多人在說的事。
本頁彙總公開訂閱源，標題與摘要由模型整理，版權歸原作者所有；重要資訊請回原文核對。如權利人認為相關標題或摘要侵權，請通過頁尾聯絡郵箱提供具體頁面與權利依據，我們核實後會及時刪除或替換。
- 爆
- 討論快速增加
- 新
- 首報 6 小時內
- 發酵中
- 討論仍在增加