Bindu Reddy预告LiveBench 2.0基准

2026年10月13日，Bindu Reddy 宣布即将推出新基准 LiveBench 2.0，将随 Argon 模型一同发布。据其介绍，该基准聚焦 Agent 的长程任务，并把每任务成本计入评估，强调要反映真实世界的模型表现、无法被针对性刷分。Reddy 称现有数百个 benchmark 大多已经坏掉或被刷榜（bench-maxxed），并认为迈向真正超级智能的第一步，是让基准反映真实世界表现。截至目前，LiveBench 2.0 尚未发布，具体评测细节、任务构成与上线时间均未公布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。