Artificial Analysis Launches VIALS-AA Leaderboard for Life Sciences Visual Reasoning

1篇报道 1个报道来源 3 小时前更新

中文版本尚未就绪 · 显示原文

先了解这件事

AI 综述

Artificial Analysis launched VIALS-AA, a leaderboard for Handshake AI’s VIALS benchmark, which tests visual reasoning across 161 tasks in eight life sciences and biotech domains. Gemini 4 Carbon (high) leads with 64%, followed by GPT-6 Astra (max) at 63% and Claude Opus 5.5 (max with fallback) at 61%. Models run each task three times in the Stirrup agent harness. GPT-6 Luna (medium) grades the answers, and the leaderboard reports the share of tasks judged correct in all three runs.

AI 根据报道生成 · 1 小时前更新

接下来读什么

今日还有哪些重要变化Google DeepMind 推出 Gemini Omni 1.2 Flash，支持生成更长视频

提到的模型

GPT-6 Astra综合榜第 3每百万 Token 输入 $10 / 输出 $50
Claude Opus 5.5综合榜第 1每百万 Token 输入 $4 / 输出 $20
GPT-6 Luna每百万 Token 输入 $0.1 / 输出 $0.5

对比两者的 API 价格全部模型的 API 价格

报道时间线

沿着报道，了解事件的不同侧面。

11月7日

01:09
Artificial Analysis · X
Artificial Analysis 推出生命科学视觉推理 VIALS 排行榜
Artificial Analysis 正在推出 VIALS-AA，这是 Handshake AI 的 VIALS 基准测试排行榜。该基准测试涵盖生命科学和生物技术八个领域的 161 项任务，用于评估视觉推理能力。模型在 Stirrup 智能体运行框架中对每项任务运行三次，答案由 GPT-6 Luna（medium）评分；排行榜报告三次运行均被判定为正确的比例。Gemini 4 Carbon（high）以 64% 领先，其次是 GPT-6 Astra（max），为 63%；Claude Opus 5.5（max with fallback）为 61%。

模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。看一份往期日报

本事件热度走势

可比范围当前: 9
可比范围峰值: 1011月7日 02:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。