小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格
把最强模型丢进真实生活一个月，没有一个及格
AI 导读小红书 dots 团队推出 VibeLifeBench 与 VibeSearchBench 两个生活场景评测基准，测试中七个当前最强模型无一在正确时间点解决护照有效期等关键问题，最高分仅 0.325（Opus 5）。
来源：公众号：小红书技术 · mp.weixin.qq.com
事件后续1
查看事件全部- 小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格公众号：小红书技术 · 7 月 31 日