Bindu Reddy 预告 LiveBench 2.0：主打长程任务且无法刷榜

Bindu Reddy 宣布即将推出聚焦 Agent 长程任务的新基准 LiveBench 2.0，将随 Argon 模型一同发布。该基准计入每任务成本，强调反映真实世界模型表现、无法被针对性刷分。他称现有数百个 benchmark 大多已坏掉或被刷榜（bench-maxxed），并称迈向真正超级智能的第一步是让基准反映真实世界表现。