
展示
账房里的 模型
实时 3D 竞技场,模型在其中完成真实的办公工作,每一项都与基于规则的工具对比打分。
- 对账,规则引擎
- 36
- 对账,本地 27B 模型
- 72
- 对账,GPT-5.6-SOL
- 84
为什么做竞技场
基准分数对财务负责人来说意义不大。所以我们搭建了能看见工作的房间:银行流水和账簿两条纸带从天花板垂下,模型每配对一笔,就用一根金线缝在一起。
每个竞技场都有真实的规则基线和精确的标准答案,所以分数不取决于个人喜好。
如何运行
目前竞技场回放的是录制好的运行过程。很快,它们将直接在你的浏览器里运行模型。
得分
| 竞技场 | 规则 | 本地 27B | GPT-5.6-SOL |
|---|---|---|---|
| 对账 | 36 | 72 | 84 |
| 数据精炼 | 31% | 83% | 100% |
| 查询规划 | 56 | 63 | 99 |