Reddit 热议：新基准为何几乎全是编码？呼吁更多元化评测
Dance-Till-Night1 · reddit · 2026-08-02
一位 Reddit 用户指出，当前新发布的基准测试和排行榜几乎都集中在编码领域，而忽略了其他重要用例，如外语学习、创意写作、STEM/医学/生物化学推理等。作者呼吁开发更多样化的基准，例如 MMLU-Pro-2 和语言学习基准，以全面评估模型能力。
「模型」频道最新
- 今日AI圈速览：DeepSeek周末半价、GPT-5.6 Sol降价、阿里配售800亿投AI — APPSO · 2026-08-24
- 隐身模型 Ox Alpha 登场 Context Arena，匹配 GPT-5.6 — scaling01 · 2026-08-24
- Fable 5 仅占 6% 销量，Anthropic 遭遇降本冲击 — rohanpaul_ai · 2026-08-24
- Opus 5 说话像法庭剧？如何调教掉废话 — thk_ · 2026-08-24
- 2026 年中国模型全景：DeepSeek V4、Kimi K3 等在列 — TheTuringPost · 2026-08-24
- 传闻 Claude Opus 6 泄露：上下文 250 万，推理更强 — iamaliveix · 2026-08-24