Anthropic 的 Claude Fable 5.1 在 SimpleBench 推理基準測試中取得了 86.6% 的分數，超越了 83.7% 的人類基準。這一里程碑突顯了快速的進展，因為 Gemini 3.8 Flash 等其他模型也展現了強大的性能，分數超過 82%。 這項成就標誌著前沿 AI 模型現在能夠在需要基本常識推理和語言韌性的任務上穩定地超越普通人。它驗證了近期架構改進在處理現實世界數據和複雜多選題方面的有效性。 SimpleBench 包含 213 道六選一的多選題，評估空間時間推理和社會智力。Claude Fable 5.1 具備 100 萬 token 的上下文視窗和多模態輸入能力，於 2026 年 9 月發布。
事件背景
SimpleBench 是一個基於文字的基準測試，旨在測試大型語言模型在基本常識推理任務上的表現，這些任務具有高中知識水平的人可以正確回答。與專業基準測試不同，它側重於語言對抗韌性和常讓前沿 AI 系統困惑的陷阱題。人類基準是通過測試九名具有至少高中數學熟練度的母語為英語的參與者確立的。
社群觀察
社區成員指出，人類基準在技術上是一個平均值而非最高值，並對 Gemini 3.8 Flash 的快速發布表示驚訝。用戶還反思了模型如何從個位數分數迅速提升，在該基準測試中超越人類表現。
