GLM-5.2 评测分数异常暴涨引质疑
teortaxesTex · x · 2026-07-18
有推友指出 CAISI 的评测榜单存在 Y 轴数据异常。据其观察，GLM-4 此前得分在 800 左右，但近期 GLM-5.2 的得分跃升至约 1200，且其他模型的分数也普遍上涨，疑似官方暗中更改了评测基准组合。被引用的推文称，GLM-5.2 在网络安全能力上对标 Opus 4.6，整体水平与 GPT 5.2 相当。
「模型」频道最新
- 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
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11