shadcn 称自建 eval 出现怪异结果，Sonnet 与 Gemini 领先

shadcn/ui 作者 shadcn 发帖称自己的 eval 正在出现「怪异的事情」，并附上评测排名截图，显示 Claude Sonnet 和 Gemini 通过的任务数最多。Vercel 工程师 shuding 在回复中调侃「这可能是件好事 ;)」。帖子并未说明 eval 的具体细节或结果出现的原因，引发社区对模型评测表现的关注与讨论。

2026-11-07 ~ 2026-11-08 · 2 条相关