2.2 L3标杆案例的核心评估指标
Российское посольство заявило о спекуляции молдавских СМИ20:43
，详情可参考PDF资料
（注：最近情况发生了细微的变化。首先，M 系列芯片上的 ANE 已经承担提示词注入 prefill 阶段的工作了；以及刚才提过的 M4 ANE 逆向工程：该工程师还实现了跳过 CoreML 直接调用 ANE，吞吐量显著提升。通过这种思路，或许可以找到直接利用 ANE，来加速推理甚至训练的通用方法。）
在桌面任务基准 OSWorld benchmark 的测试中，模型完成任务的成功率约为 75%，略高于该 benchmark 的人类测试基线约 72%。而在职业任务评估 GDPval benchmark 中，模型在 44 种知识型工作任务中约 83% 的评分进入专家区间。
「這暗示這個人沒有能力獨立生活，」她說。