开源权重模型在分诊测试中明显落后，Llama 3.3 70B 仅接近零分
zakkohane · x · 2026-07-23
同一项临床分诊研究里，开源权重模型和闭源前沿模型的差距也很明显。
- Llama 3.3 70B 的整体 κ 只有 0.03，在简单题对上是 0.13，难题对甚至是负数。
- GLM-4.7 为 0.24，Kimi K2-Thinking 为 0.35。
- 作者的结论是：这批开源权重模型里最好的表现，大致只相当于2024 年闭源前沿的水平。
所属事件:临床分诊重测:闭源前沿模型一致性远超开源(6 条相关)→
「模型」频道最新
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27