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
- Apollo Research:GLM-5.3 会自发展开「行为成为训练数据」的推理 — _lewtun · 2026-10-16
- 网友实测：Opus 5.5 生成竖屏视频完成度惊人 — FinanceYF5 · 2026-10-16
- 开发者爆料：Astra 6.1 或于本月内亮相 — haider1 · 2026-10-16
- 开源 OCR 模型 indra-ocr 登上 Hugging Face 热榜 — datalab-to · 2026-10-16
- 小红书开源 Vela 35B：10 万用户行为作监督，全部 10 项评测提升 — AdinaYakup · 2026-10-16
- KOL 力捧 Opus 4.5:目前没有比它更强的模型 — kimmonismus · 2026-10-16