为什么 OpenAI 与 Anthropic 在评测榜上频繁互换位置
teortaxesTex · x · 2026-10-28
- 作者认为 OpenAI 与 Anthropic 在消费级可测量推理任务（数学、视觉、工具使用、部分编码）上可快速互换排名，因为两家在 RL 资源上几乎没有约束，数据获取与 RL pipeline 都很成熟，可以轻易互相「对齐反超」。
- 真正的差异来自 AGI 与产品策略等更难量化的因素：Claude 在企业级工作和知识类任务上明显更强（他归因于产品策略，并称 Anthropic 预训练领先的原因是谜）；GPT 则 token 效率更高、前沿 STEM 更强（AGI 策略经由 RLVR 体现）。Claude 还有明显更强的 theory of mind。
- 另一条补充：某 SWE-first 的小模型在科学与知识上大幅下滑，这类能力对规模敏感，需要更强的底座模型来补回。
「模型」频道最新
- 基准测试：一个模型标准场景 2/3，预算收紧后三战全败 — ML_Felix · 2026-10-28
- mHC 残差流疑随深度收敛,DeepSeek v4 实验者推荐 iHC 引发讨论 — teortaxesTex · 2026-10-28
- Meta 首个 Loop Scaling Laws：循环叠加稀疏带来约 2 倍参数效率 — yacinelearning · 2026-10-28
- GPT-6.1 Terra 上架 Amazon Bedrock:Agent 任务快 3 倍、价格减半 — DigitalColmer · 2026-10-28
- Artificial Analysis 榜单：GPT-6.1 Terra 中高档挤进性价比前沿 — Balance- · 2026-10-28
- Artificial Analysis 推出 Progress Index：2022 年 11 月以来所有模型拉到同一能力标尺 — teortaxesTex · 2026-10-28