Google 新模型是真能打还是刷榜?Reddit 热议引战
EstablishmentFun3205 · reddit · 2026-10-01
Reddit 用户发帖质疑 Google 最新模型的成绩究竟是真实能力提升,还是针对基准测试的「benchmaxxing」(刷榜式优化)。配图为榜单对比截图,社区就此展开「真材实料 vs 考试技巧」的争论,反映了对基准测试与真实使用体验脱节的普遍质疑。
所属事件:Gemini 4 跑分爆料密集涌现,彭博曝内部实测遇冷(35 条相关)→
「模型」频道最新
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16
- METR 任务时长曲线更新:Opus 4.5 后倍增周期缩至 1.7 个月 — ben_j_todd · 2026-11-16