LLM 分析评测：如何为分析智能体选择最佳模型

Cassis 对 8 款大语言模型进行了数据分析智能体基准评测，结果显示 Sonnet 5.5 在业务场景测试中以 75% 的准确率和单任务 $0.12 的成本位列第一，被选为其默认模型。评测表明其专属架构框架在大上下文业务场景中发挥显著作用，为 Sonnet 5.5 与 GPT 系列模型带来了 10 至 15 个百分点的准确率提升。