研究团队推出OlympicArena作为AI的智力测试基准，来测试AI的水平

结果表明：
-Claude-3.5-Sonnet在整体表现上比GPT-4o更好，甚至在一些科目上超过了GPT-4o（比如在物理、化学和生物学上）。

-Gemini-1.5-Pro和GPT-4V排名紧随GPT-4o和Claude-3.5-Sonnet之后，但它们之间存在明显的表现差距。

-来自开源社区的AI模型性能明显落后于这些专有模型。

-这些模型在此基准测试上的表现不尽人意，表明我们在实现超级智能之路上还有很长的路要走。




https://gair-nlp.github.io/OlympicArena/