Anthropic 基准分数不差，但高 ECI 放大了分差
scaling01 · x · 2026-07-25
这条回复在讨论一个基准分数：结果本身不差，据称比 Opus 4.8 更好，但仍弱于 Fable。
作者真正困惑的是 Anthropic 的 ECI 设得很高；在这种只差 1 分就会改变观感的指标里，微小分差也会被放大。
所属事件:Anthropic 基准测试表现引发社区信任危机(2 条相关)→
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11