多模型盲评互评 orchestrator:谁都不服谁,Astra 自评第一
kevinkern · x · 2026-10-14
作者让多个模型分析同一个 split orchestrator 问题，再由模型互相盲评打分（3 个 AI 评委、7 项标准、1–5 星，总分 10 分）。
配图结果：Astra 平均 8.3 分排第一（最准确最稳但过于保守）、Opus 5.5 得 7.9（诊断最锐利但数字有错）、Fable 5.1 得 7.6（覆盖最广但方案僵化）、Muse 得 5.9（数字多无依据）。
趣点：Astra 把自己的分析评第一（自评 8.9），Muse 把自己的排最后。评委间分歧最大的是 Opus 5.5（6.5–8.7）。作者决定不选单一答案，取各家精华合并。
「Fun」频道最新
- TikTok 热传抵制 vibe coding 版 Photoshop 替代品,只因它是 AI 产物 — max_paperclips · 2026-10-14
- 经济学家用 AI 智能体模拟发放横财访谈：一个 AI 深陷遗产规划 — soumitrashukla9 · 2026-10-14
- DeepSeek V4.1 自评甚高，却嫌自己的子智能体不靠谱 — teortaxesTex · 2026-10-14
- AI 助手主动戳穿日程冲突：签约时间用错时区，还撞上迈阿密活动 — TheTuringPost · 2026-10-14
- Luke W 一句话讽刺语音 AI 现状：「抱歉，没听清，请重试」 — LukeW · 2026-10-14
- 网友调侃 Grok 群聊训练数据:跟马斯克玩梗引发关注 — Kyrannio · 2026-10-14