Grok 4.6 登顶罕见病诊断榜首，DeepSeek v4-pro 疑似翻车
danielmckinn0n · x · 2026-08-14
最新大模型基准测试 RareBench 结果出炉，引发社区热议：
- xAI Grok 4.6 表现惊艳，在儿童罕见病诊断上击败了 Anthropic 的 Claude Opus 5 登顶榜首，且成本仅为后者的三分之一。
- DeepSeek v4-pro-0813 令人大跌眼镜，表现甚至不如 v4-flash。作者怀疑 DeepSeek 在发布时可能未正确切换 API 端点，导致模型表现异常。
- 智谱 GLM5.2 同样不及预期，作者指出在编程场景下，Kimi K3 的表现实质上远胜于 GLM。
所属事件:Grok 4.6登顶罕见病诊断榜首，DeepSeek新模型翻车(2 条相关)→
「模型」频道最新
- Gemini 4 模型卡披露:模型可省去生物武器研究数月试错 — Puzzleheaded-King584 · 2026-10-16
- 问 AI 要答案永远是 7：Anthropic 工程师谈模型品味趋同陷阱 — rubenhassid · 2026-10-16
- 推ter脑筋急转弯：抠掉 Llama 3 全部权重矩阵还剩几个参数？ — Sauers_ · 2026-10-16
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- Claude 团队版一个席位被标记，全组织 5 个账号一并冻结 — RexDouglass · 2026-10-16
- Kimi K3 训后检查点表现出色，获赞预训练扎实 — SonglinYang4 · 2026-10-16