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
- 五轮对抗后输出趋同：Claude Opus 5.5 与 Argon 创作实验结果诡异一致 — LanceCharger · 2026-10-16
- 自建「主观判断」基准：18 个模型一致性测试，GLM-5.3 登顶 — arkuto · 2026-10-16
- Bindu Reddy 实测:Argon 擅长复杂文档写作,成本仅 Opus 一半 — bindureddy · 2026-10-16
- MAI-2 比 V4-Pro 大 2 倍，微软 scaling 阶梯效率存疑 — teortaxesTex · 2026-10-16
- 阶跃 Step 5 Preview 上线 DeepInfra:600B MoE、1M 上下文,百万 token 输入 $1 — StepFun_ai · 2026-10-16
- Liquid AI 最大决策模型 d1-ultra 上架 OpenRouter,输入定价 $0.042/百万 token — JosephJacks_ · 2026-10-16