AA 智能指数升级到 v5.0，国产开源模型的分数集体跳水，这事越看越有意思。 DeepSeek V4.1 Flash 从 45 掉到 32，GLM-5.3… · @xulijian1994 · TwKit

@xulijian1994

AA 智能指数升级到 v5.0，国产开源模型的分数集体跳水，这事越看越有意思。 DeepSeek V4.1 Flash 从 45 掉到 32，GLM-5.3 Max 从 45 掉到 32，Qwen3.8-27B 从 34 掉到 20，MiniMax M3.1 Flash 从 43 掉到 29。问题是，这几个模型实际用起来体验并不差，很多开发者都是实打实用过的。 突然有个反向阴谋论：有没有可能不是国产模型针对榜单刷了分，而是新榜单的题目和评分标准，恰好更符合某些闭源模型的优势？以前大家在同一张卷子上考试，现在换了一张卷子，开源模型集体掉分，闭源模型却没怎么受影响。 如果一个榜单的排名和大量用户的实际体验越来越不一致，到底该怀疑模型，还是该怀疑榜单？

曝光 153 · 评论 1 · 点赞 0 · 书签 0