Reddit 讨论：榜单赢了，也未必更适合日常使用

Alternative-Car8221 · reddit · 2026-07-26

这条帖子的核心观点是：模型在 benchmark 上赢，不代表日常使用一定更好。作者回顾了 ChatGPT 时代以来反复出现的现象——新模型一上线就“刷榜很猛”，但真正拿来做日常任务时，反而不如前一代顺手。

他把 benchmark 类比成 SAT 这类标准化考试：它们当然有比较意义，但也很容易被“专门训练去考好”而不是训练去做实际工作。作者还提到自己已经在 Opus 5 上看到类似迹象：指标上看起来更强、更省 token，但实际体验里并不总是压过旧模型或竞品。