1300+ 条词联想线索实测：Google 模型夺冠，Anthropic 垫底

一位开发者基于自建的 Word Spies（Codenames 式词联想游戏）对主流大模型进行横评：一个模型给出单词线索，队友模型负责猜词，按猜对己方词数与误触率计分，累计测试 1300+ 条线索。结果显示 Google 模型的平均线索得分胜过 OpenAI，Anthropic 排名垫底。该自建评测以游戏化方式提供了常规基准之外的模型能力参考。

2026-11-04 ~ 2026-11-04 · 2 条相关