标签
Artificial Analysis 更新了 HLE Diamond 基准评测，显示开源权重模型在该高难度基准上落后闭源模型超过 30 分。
一种使用Qwen-35B-A3B动态分配计算预算给困难问题的方法，在HLE基准测试上达到了接近GPT-5.4-xHigh的性能。