又一例证：benchmark 不可尽信，动手自测才靠谱

lyraxana · x · 2026-10-13

作者以「Wonder-full」为例再次质疑公开榜单的可信度，呼吁开发者不要只看 benchmark，应针对自己的使用场景跑测试、形成独立判断。属于 AI 圈对评测体系的惯常批评观点。

原文链接 →

「模型」频道最新

• OpenAI 额度机制遭吐槽：剩 13% 用量时拒绝手动重置 — AccomplishedSugar490 · 2026-10-23
• 816B Meta 新模型 39 分反输 180B Qwen：开源模型得分/规模图 — BTA_Labs · 2026-10-23
• 文档太大就不干活？Gemini 在 Google Docs 里拒生图 — viksit · 2026-10-23
• 程序员吐槽：人生真正使命是安利大家试试最新 DeepSeek — intellectronica · 2026-10-23
• SubQ Snap 1.1 登顶决策模型指数，384K 上下文与低幻觉率取胜 — ArtificialAnlys · 2026-10-23
• PolyAI 推 Dialog-RSN-1 语音模型：单 pass 直听音频，响应快于 300ms — matthen2 · 2026-10-23

更多「模型」频道 AI 资讯 →