开发者实测：Gemini 3.8 Flash 疑似刷榜过拟合
开发者 Bindu Reddy 实测称，谷歌 Gemini 3.8 Flash 疑似针对公开基准过拟合（「bench maxxed」）。在其自建的私有基准上，3.8 Flash 的表现反而不如 3.7 Flash，数据分析能力出现回退，隐藏问题集上的成绩也有所下滑。这一说法引发对厂商刷榜行为的讨论。
2026-09-03 ~ 2026-09-03 · 2 条相关
- 第 1 集:Gemini 3.8 Flash 影子发布在即，跑分与定价爆料齐飞(2026-09-02,45 条)
- 第 2 集:Google 推出 Gemini 3.8 Flash 与网络安全专用 Cyber 版(2026-09-02,110 条)
- 第 3 集:HF 工程师称已用上 Gemini 3.8，评价其为全能型 Agent 模型(2026-09-03,3 条)
- 第 4 集:Gemini Flash 六周三连更，3.8 版发布引发迭代过快吐槽(2026-09-03,2 条)
- 第 5 集:开发者实测：Gemini 3.8 Flash 疑似刷榜过拟合(2026-09-03,2 条)
- 第 6 集:Gemini 3.8 Flash 实测：图像推理登顶且提速 30%(2026-09-04,2 条)
- 实测称 Gemini 3.8 Flash 过拟合公开基准，较 3.7 不升反降 — bindureddy · 2026-09-03
另有 1 条近重复转述:bindureddy