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:实测与榜单严重不符，AA 指数公信力遭社区质疑(5 条相关)→
「模型」频道最新
- 开发者实测:Gemini Argon 分析调试日志优于 Fable 5.1 — ShikharMurty · 2026-10-21
- 用户让 ChatGPT「尖叫」，它陷入无限循环 AAAAHHH 停不下来 — AutomaticScene · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21
- qev-0.8B:3.5毫秒决策、1.3GB本地跑的微型模型登顶 — fajfas3 · 2026-10-21
- Gemini 3.1 Pro 玩「两真一假」：bot 太沉迷账本，秒被识破谎言 — mimi10v3 · 2026-10-21
- 1.3B 开源模型 OXR 登顶三大文档解析榜，百页 101 秒 — aftahi_ai · 2026-10-21