Mercury Decide 韩语基准准确率仅 66.7%

2026年10月1日，AGI Hunt 发布第三方实测报道：Inception Labs 新发布的模型 Mercury Decide 在韩语场景下表现不佳。测试由开发者自行搭建的无污染韩语数据集 ReportJevBench 完成，任务设定为判定 Roblox 聊天举报是否违反平台 ToS，结果显示该模型准确率仅为 66.7%。报道未给出同一任务下其他模型的对比数据，也未说明测试样本量、评分口径与错误类型分布。截至该报道，这是关于 Mercury Decide 韩语能力的第三方实测结果，事件仍停留在单一测评结论阶段，尚无 Inception Labs 方面的回应或第三方复现结果。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。