AA榜换了非公开考题后，不少大模型跑分和真实体验反差很大。小米MiMo分数从46掉到30，多项任务拉胯，之前的开源第一被质疑刷分。 Kimi K3.1 Pr… · @WangNextDoor2 · TwKit

@WangNextDoor2

AA榜换了非公开考题后，不少大模型跑分和真实体验反差很大。小米MiMo分数从46掉到30，多项任务拉胯，之前的开源第一被质疑刷分。 Kimi K3.1 Pro降至46分，保住开源第一，但额度消耗快、性价比不及宣传。 GPT表现稳，却有额度不透明、降智bug、速度偏慢的问题。千问算不上顶尖，但本地部署、手机生态优势明显。Opus依旧58分领跑，只是对国内用户不友好。

曝光 524 · 评论 4 · 点赞 2 · 书签 0