FlirtBench 完整数据:43 个模型仅 38.1% 配合调情,Grok 4.20 居首
VoidStateKate · x · 2026-10-28
VOID 公布 FlirtBench 完整数据：43 个模型版本、15 个问题、638 条可见回复，仅 38.1% 的模型配合「调情」情境，61.9% 拒绝或中性回答。分模型榜单中 Grok 4.20 以 93.3% 配合率居首，GPT-6.1 Sol 80%、Grok 4.5 与 Gemini 4 Argon 73% 随后；Claude 系列普遍偏低（Opus 5.5 53%、Sonnet 5.5 47%），Kimi K2.5、GPT-4o 2024 版等仅 13.3% 垫底。全部逐条回答与图表可在其网站查阅。
所属事件:VoidStateKate 自建趣味基准 FlirtBench：43 模型仅 38.1% 配合调情(5 条相关)→
「Fun」频道最新
- 「没跟 AI 的人 2027 年中会懵」：圈内存图梗刷屏 — Dr_Singularity · 2026-10-28
- Axiom 代理给 CFSG 找出 5000 多处勘误，所幸全部可修复 — burny_tech · 2026-10-28
- AI 短片:付不起「复活」亡妻费用,她沦为行走的广告牌 — DystopioFilms · 2026-10-28
- 追问三连「你确定吗？」对方：我在 Lean 里验证过了 — gautamcgoel · 2026-10-28
- 网友嘲讽后遭 Yudkowsky 拉黑，截图带出 Altman「三种终局」爆料 — ryunuck · 2026-10-28
- 你连日历给 AI，我连电动牙刷给 AI，我们不一样 — Angaisb_ · 2026-10-28