AI 编码评测暗箱操作？闭源模型被指刻意隐瞒成绩

astralmatrix · x · 2026-08-13

近期 AI 编码模型的评测榜单引发争议。有开发者指出，某家与 CursorBench 评测平台关系密切的公司，其模型在自家生态的评测中表现极佳（达到 fable 级别），但在第三方独立测试集 DeepSWE 上却表现糟糕。

这引发了行业对评测公正性的质疑：究竟是两个测试集侧重点不同，还是存在利益相关的暗箱操作？更有评论者尖锐指出，如果编码评测基准不公开透明，整个跑分体系就失去了意义，呼吁厂商向世界公开真实的评测细节。