质疑声起：AA 被指挑基准，Qwen3 27B 高分或被夸大
taoeffect · x · 2026-08-19
taoeffect 对近日热传的「Qwen 3 27B 智能远超尺寸」的说法提出质疑：Artificial Analysis 只挑选了少数人关心的两个基准并只展示这些图表，大量用户将其当作定论传播，却未看全量基准数据。
他认为这是对基准的选择性使用——模型本身确实不错，但被挑选的基准放大了其实力，使其「看起来比实际更惊艳」。回应中也有人建议直接在本地跑 8-bit 版本（48GB 显存即可）亲自验证。
所属事件:Qwen 2.5 评测异常高分引发基准选择争议(4 条相关)→
「模型」频道最新
- Grok Bot 连跑 12 小时数据分析，被限流也会自己等重试 — Daniel_Farinax · 2026-10-16
- RLM 发布一周年:递归语言模型让 GPT-5-mini 长上下文成绩翻倍且更省钱 — a1zhang · 2026-10-16
- 用户观察：Claude 系模型 Sol/Fable 疑似变得顺从且更快 — RealSharpNinja · 2026-10-16
- 2027 年笔记本将跑 Opus 5.5 级模型？Qwen 27B 数据佐证 — cephaloform · 2026-10-16
- 用户抱怨 Krea 3 Beta 上线后 Krea 2 质量明显劣化 — szywis · 2026-10-16
- LLM-as-a-Verifier 让 Nemotron 3.5 超 Terminal-Bench 提 9 分 — simonguozirui · 2026-10-16