GLM-5.2 基准分数争议
xeophon · x · 2026-07-19
帖子围绕 **ECI 基准** 和 **SimpleQA 影响** 展开，指出像 GPT-OSS 这类开源模型的 SimpleQA 表现是评估体系里很关键的一环。 引用内容提到：Mechanize 的 **GBAEval** 属于软件子集，但 **GLM-5.2 在该项得分为 0**，作者认为这很可能是因为它是**纯文本模型**，无法验证自己的输出；如果把这个基准剔除，**GLM-5.2 的总分会大幅上升**。同时还提到，一些顶级模型甚至没有 GBAEval 分数。
所属事件:SimpleQA对模型评测榜单的影响引争议(3 条相关)→
「模型」频道最新
- Epoch AI直播测试GPT-5.6玩《杀戮尖塔》 — dr_cintas · 2026-07-21
- 同题对测两款模型都一次过，讨论转向 Loop Engineering — glenbeer · 2026-07-21
- Emad Mostaque 认为 Kimi K3 推理成本未来数月可降 10 到 50 倍 — rohanpaul_ai · 2026-07-21
- Reddit 追问 Kimi K3 是否已够生产级 Agent 使用 — CommercialClient2408 · 2026-07-21
- 韩国初创模型在 AAII 得 44 分，接近 DeepSeek V4 Pro — JungWooHa2 · 2026-07-21
- 有人预测 OpenAI 的 GPT-6 会比 Fable 高效得多 — bindureddy · 2026-07-21