模型评估不能只看聪明程度

intellectronica · x · 2026-07-15

作者认为，评估大语言模型不能只看“聪明不聪明”，还要看**每个任务的成本和延迟**。他的核心观点是：如果模型虽然接近前沿智能，但完成同样任务需要更多推理步骤、更多算力和更长等待时间，那么实际可用性就会变差。这个标准对 GLM、Kimi 这类新开放模型尤其重要，因为它们不只是在比能力，也在比效率。