Reddit 讨论：你真正信任的公开 LLM 基准测试有哪些？

ThomasAger · reddit · 2026-08-22

Reddit 用户发帖询问社区在面对新模型发布时，究竟参考哪些公开基准测试来评估模型能力，还是完全依赖自测。帖子引发了关于外部评测可信度与个人实测对比的讨论。

原文链接 →

「模型」频道最新

• Gemini 3.7 Flash 首周打破增长纪录，ARC-AGI 测试成绩亮眼 — fchollet · 2026-08-22
• GPT-5.6 Sol 降至每百万 Token $4 — firstadopter · 2026-08-22
• Reddit 传闻：谷歌即将发布 Gemini 1.5 Pro — MrWidmoreHK · 2026-08-22
• Qwen3.8-27B 破圈：27B 模型能在笔记本跑出惊艳效果 — minchoi · 2026-08-22
• Flash-0731 评测曝光：推理与视觉能力超越预期 — teortaxesTex · 2026-08-22
• 评估实战：超越虚荣指标，如何衡量用户体验 — gabriel1 · 2026-08-22

更多「模型」频道 AI 资讯 →