Astra 与 Fable 5.1 榜单几乎不重叠，基准分数其实没法直接比
recro69 · reddit · 2026-09-10
Reddit 用户指出，相隔几天发布的 Astra 和 Fable 5.1 各自的 benchmark 表都把自己模型显得很强，但仔细对比后却发现两套基准几乎不重叠：
- 一套偏向 computer use 和数学任务
- 另一套侧重 coding 和终端任务
作者认为两家实验室未必造假——数字可能都准确，但给人留下的印象截然不同。这引出一个更普遍的问题：大家在看模型对比时，到底是细看具体基准套件，还是只看厂商给出的总表？
所属事件:Astra 与 Fable 5.1 评测基准几乎不重叠(2 条相关)→
「模型」频道最新
- 用 LLM 研究 4 小时创业点子，产出的却是一套 nonsense 产品论 — annetgriffin · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- 非刷榜评测中 MiniMax 表现比肩 Claude 4.5,引发社区关注 — teortaxesTex · 2026-10-27
- 实测算账：GPT-6.1 Terra 半价却更费 token，反而比 Sol 更贵 — lordpuddingcup · 2026-10-27
- 爆料称 Fable 5.5 大概率本周内发布 — kimmonismus · 2026-10-27
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27