博主吐槽榜单排序离谱:Vals 比 Arena 更可信
teortaxesTex · x · 2026-10-25
博主 teortaxesTex 评价一份模型榜单排序,认为 Sonnet > Argon > Muse Wonder > 6.1 Sol 这样的排位“有点离谱”。他同时表示自己对 K3.1 Pro 在 Arena 分数上低估、在 Vals 上高估了差不多同样的幅度,因此觉得 Vals 目前是更值得信任的评测指数。
所属事件:Kimi K3.1 登顶 Vals 开源榜 引发评测可信度讨论(2 条相关)→
「模型」频道最新
- 曝 OpenAI 传闻中的 6.1 Terra 走小而便宜路线 — haider1 · 2026-10-25
- SRE Bench 逆向二进制评测:GPT-6 得 57%,DeepSeek 仅 1-2% 垫底 — teortaxesTex · 2026-10-25
- DeepMind 等新基准：AI agent 解出 49/50 研究级物理题 — rohanpaul_ai · 2026-10-25
- 开源 5B 图像模型 MOSS-Image 四天下载 130 万次 — neurocartel · 2026-10-25
- 为何 DeepSeek Flash 惊艳、Pro 失望？网友归因训练信号不足 — teortaxesTex · 2026-10-25
- Reddit 用户控诉:Pro 到期后 62500 Codex 积分锁死小模型,形同留客钩子 — lanqo88 · 2026-10-25