评测：Qwen 2.5 72B 代码强但逻辑弱，幻觉严重
Afinetheorem · x · 2026-08-17
- 核心观点：本地模型 Qwen 2.5 72B 虽然在代码基准上表现出色，但为了维持此性能做了很多牺牲。
- 具体表现：在视觉/逻辑基准测试中，它是测试过的最差模型之一，相比前沿闭源模型（如 Claude 等）有严重的幻觉问题。
- 对比结论：即使全参数版 Qwen 2.5 72B 也仅相当于 o4-mini 或 Sonnet 4.5 的水平。这类针对代码优化的量化 RL 模型在通用能力上表现参差不齐。
「模型」频道最新
- Meta 开源 Muse Spark Open:SGLang 一天支持,NVFP4 内核提速近 4 倍 — BanghuaZ · 2026-10-16
- Prompt 里写 load-bearing 可让 Opus 5.5 全力输出不藏拙 — zacharynado · 2026-10-16
- 美国人来中国出差用 Claude 也被封号 — dotey · 2026-10-16
- 逐条核算 Grok Bot 账单：五天烧穿 $20 到 $200，长任务占 52% — jonathanmalkin · 2026-10-16
- NVIDIA 开源 Nemotron-3.5-Embed-1B：图文物页检索、34 种语言的通用嵌入模型 — jacek2023 · 2026-10-16
- EpochAI 估 GPT-6 训练算力 4.6e26 FLOP,引算力圈质疑参数高估 — scaling01 · 2026-10-16