决策模型跑分图引吐槽：GPT-6 Sol 与 Luna 竟被排除在外
gleech · x · 2026-10-12
gleech 吐槽一张决策模型对比图的「图表罪行」：图中没有收录 GPT-6 Sol 的准确率，也没有 GPT-6 Luna（尤其是 Luna Decisions 版本）的数据。
配图为一张 Accuracy/Latency/Calibration 三维对比图：Microsoft-Decision-1 以 83.5% 平均准确率居首，p50 延迟 85ms，比第二名 H2O-Lighting-4B 快 2.5 倍、比 GPT-6 Sol 快 35 倍；Jev 113.0、Quyet-1.0-Large 等紧随其后，Strands-Decider 2B 仅 54.8%。吐槽点在于榜单遗漏了几个关键模型。
所属事件:模型评测报告被批「图表罪行」引争议(2 条相关)→
「模型」频道最新
- Reddit 算账：200 美元 Claude 订阅顶满用相当于 API 价值 2500 至 1.25 万美元 — Atlan_ · 2026-10-12
- Claude Opus 5.5 max 能力指数 167.3,贴着 AI Futures 预测曲线上行 — SamuelAlbanie · 2026-10-12
- 用户正把银行流水和病历喂给云端 AI，博主呼吁改用本地开源模型 — alex_verem · 2026-10-12
- 开发者观察：无工具裸跑模型能力半年几乎没进步，工具与思考才是阶梯 — rickasaurus · 2026-10-12
- 疑似 Claude 新模型灰测：一句话两小时搓出完整 3D 汽车 — iamfakhrealam · 2026-10-12
- 网友把 15 年心理健康对话喂给 Gemini、ChatGPT、Claude 对比建议质量 — KrazyKreutz · 2026-10-12