🔥基准版本一换，中国🇨🇳头部大模型集体分数下探，是模型缩水还是评测标尺变了❓ Artificial Analysis智能指数升级v5版本之后，国内主流模型全… · @xiax0603 · TwKit

@xiax0603

🔥基准版本一换，中国🇨🇳头部大模型集体分数下探，是模型缩水还是评测标尺变了❓ Artificial Analysis智能指数升级v5版本之后，国内主流模型全部出现分数回落，只是下跌幅度拉开差距。 小米MiMo-V2.6-Pro跌幅最大，直接下滑16分；Qwen3.8 27B、MiniMax-M3.1-Flash同步下跌14分；DeepSeek V4.1 Flash 1017、GLM-5.3(max)下滑13分。 对比之下Kimi K3.1 Pro表现相对抗跌，仅丢失9分，在这份榜单里稳定性最优。 很多人第一反应质疑评测存在偏向性，但还有一种可能性：v5基准的任务集、评判标准发生重构，新标尺的考察方向和之前版本完全不一样。 跑分下跌不等于模型能力倒退，只是模型适配的评估维度改变。 你觉得这次集体跳水，是评测集的偏见，还是新基准确实提升了难度？

曝光 474 · 评论 4 · 点赞 8 · 书签 0