FrontierCode 2 榜单引骂战：开源模型被指被选择性比较

teortaxesTex · x · 2026-10-28

DeepSeek 粉丝 teortaxesTex 引发骂战，称 Lisan al Gaib（@scaling01）是「无能且恶意的吹鼓手」。争议源于 Artificial Analysis 的 FrontierCode 2 榜单：前排几乎被 OpenAI、Anthropic 模型占据，Grok 4.7 仅列第 20。批评者指出榜单未包含 Kimi 3.1 Pro 和 DeepSeek 1017 等中国旗舰模型，Lisan 被指用 9 月的 Chinese flash 模型来引导结论；Lisan 则反驳 1017 已在榜中、并要求对比两款 DeepSeek 模型的官方成绩。从版本 1.1 到 2.0，各家模型分数普跌（Claude Opus 5.5 从 54.6% 跌至 45.5%，Kimi K3 从 44.2% 跌至 17.7%），开源阵营确实大幅落后，但争论焦点在于比较方式是否公平。