从业者吐槽:AA 等模型评测指数与真实体验脱节日益严重
HarveenChadha · x · 2026-09-05
Harveen Chadha 发帖提醒:评测分数并不代表用户体验和真实使用情况。他举例称,当 Opus 5 在 AA(Artificial Analysis)指数上得分超过 Fable 5 的那天,他就不再相信 AA 指数了;而 Muse Spark 1.3 能在榜上压过 Astra,更让他觉得该指数「一天比一天离谱」。核心观点:榜单排名与实际体感的错位正在加剧,选模型别只看跑分。
所属事件:实测打脸榜单：Muse Spark 1.3 高分遭质疑刷榜(4 条相关)→
「模型」频道最新
- 评测者盛赞 OpenAI GPT-6-Astra:会猜到你想要什么,能力直逼 Fable — pvncher · 2026-09-05
- Meta 发布 Muse Spark 1.3：最大推理模式上线，主打「前沿性能不前沿价格」 — AIatMeta · 2026-09-05
- 用户吐槽：模型开始编造词典里根本不存在的词 — StewartalsopIII · 2026-09-05
- Alexandr Wang预告Muse Spark 1.3:推理等级可设至max — alexandr_wang · 2026-09-05
- Muse Spark 1.3 max 公开发布，编码与智能体性能显著提升 — jordihays · 2026-09-05
- Alexandr Wang 官宣 Muse Spark 1.3 max 发布,编码与智能体能力显著增强 — alexandr_wang · 2026-09-05