热狗基准测试：10 个大模型辨 1000 张图，准确率全挤误差线内
josh_wills · x · 2026-10-16
MotherDuck 推出娱乐向基准 HotDogBench：给 10 个模型看 1000 张照片（239 张热狗、761 张非热狗），只问一个问题——这是不是热狗。
- 结果高度接近：所有模型得分 969–985/1000，都在彼此的 95% 置信区间内，难分胜负
- 第一名 Jev 1.14：错 16 张，准确率 98.4%，速度最快达 250 张/秒，是第二名的 5.1 倍，每千张 9.9¢
- 最便宜 Perplexity Decider：每千张仅 1.7¢，但误报多（把 20 张非热狗认成热狗）
- 最贵 GPT-6 Astra：每千张 $10.27，是 Perplexity 的 600 倍，只少错 9 张
- 各模型翻车案例可点击查看，如把彩绘热狗车、鳄鱼三明治认成热狗
「Fun」频道最新
- 特斯拉 Cybertruck 空中翻转落地，喷气控制如猫翻身 — astralmatrix · 2026-10-16
- 编码 agent 自主跑得越来越长，作者建议：别开并行会话，静坐呼吸等复盘 — teropa · 2026-10-16
- 1998年Shockwave经典代码艺术《-1的平方根》被移植重现 — floguo · 2026-10-16
- 《回到未来》悬浮 DeLorean 刷屏,AI 圈梗图玩转飞行汽车梗 — sergeantsref · 2026-10-16
- MiniMax 玩具恐怖短剧爆红:每次眨眼它就更近一步 — fa6637 · 2026-10-16
- 教授晒儿子零 AI 代笔申请文书：真诚写作依然能打动人 — arjunrajlab · 2026-10-16