基准AA-Briefcase
AA-Briefcase
Artificial Analysis 推出的对抗性模型评估基准，采用 Elo 评分机制衡量模型在实际任务中的相对表现。
时间轴 (近 90 天)
10月22日
Ling-3.1-flash 1019 版本在 AA-Briefcase 上的 Elo 分从约 1400 升至 1524。
待验证50%
10月22日
AA-Briefcase 采用 Elo 评分机制，通过模型两两对抗、根据胜负结果动态调整分数。
待验证50%
10月12日
Mistral Large 4 在 AutomationBench（657 个业务流程）上得分 59.9%，在 AA-Briefcase 上获得 1393 Elo。
已过期50%