Meta 模型榜单可信度受质疑
iruletheworldmo · x · 2026-07-09
帖子提醒大家：Meta AI 负责人曾参与设计 Humanity’s Last Exam，而该基准上又输给了 5.5 和 Opus 在编程榜单上的表现，因此对这些结果要保持分析性眼光。作者认为，像 Grok 4.5 这种“标题级”榜单也可能存在人为设计偏差，越来越不该把单一 benchmark 当成绝对结论。 他同时表示，benchmarks 正变得越来越不重要，但在厂商展示成绩时，仍然必须警惕挑选性呈现和有效性不足的问题。