Benchmark Heaven 上线「刷榜检测」，量化榜单分与真实能力差距

airesearch12 · x · 2026-09-18

网友引用 Benchmark Heaven（benchmarkheaven.com）指出 DeepSeek 新模型「看起来有点刷榜」。该站点是一个模型评测聚合工具，核心功能 Benchmaxxing 检测：量化模型在知名榜单上的排名与 held-out 信号（如 DesignArena、Epoch 软件 ECI 等）之间的偏离程度，用于识别「针对头部榜单刷分」的模型。

站点还支持按托管地区/公司属地（中国/欧盟/美国）、数据保密政策、定价口径（不同 input/output 混合比）、开源权重等多维过滤，可对比各模型在不同 provider 上的报价与能力，是评估模型真实水平与采购决策的实用工具。