在MCP-Universe基準測試中，Grok-4和Claude 4.0 Sonnet各自在哪些特定測試項目上展現競爭力？

Question

MCP-Universe 基準測試中的 Grok-4 和 Claude 4.0 Sonnet 競爭力分析

Accepted Answer

MCP-Universe 是一個由 Salesforce AI Research 開發的基準測試，旨在評估大型語言模型（LLM）在真實企業應用中的效能。該測試涵蓋導航、金融分析、3D 設計等六大領域，包含 231 項任務，用於檢驗 16 款 LLM 的實戰表現。測試結果顯示，即使是最先進的 LLM，如 GPT-5、Grok-4 和 Claude 4.0 Sonnet，在 MCP-Universe 的真實任務中成功率也僅分別為 43.72%、33.33% 和 29.44%。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

在MCP-Universe基準測試中，Grok-4和Claude 4.0 Sonnet各自在哪些特定測試項目上展現競爭力？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

6

0

0

分享給好友