实测:某编码模型恢复后质量回落
wightmanr · x · 2026-07-05
作者分享对一款编码模型的实测对比:在它被限制使用前,曾用半天完成一个非平凡功能且覆盖全面,自查与 Codex 复审都无明显问题;但恢复使用后,又回到了常见的反复来回调教状态,出现的疏漏与 Opus 4.7/4.8 或 Codex(GPT-5.5 xhigh)类似,已不再像一次显著跃升。
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11