开源编程模型疑似被榜单刷穿,开发者盼 FrontierCode 2.0 保持干净
zyxciss · reddit · 2026-10-28
Reddit 用户 lament 开源编程模型越来越「benchmaxxed」——榜单分数虚高,而前沿实验室的小模型在部分智能基准上反而拉开差距。他希望即将推出的 FrontierCode 2.0 能保持干净,成为一个「分数高就真的 coding 好」的可信基准,让挑选最佳开源权重编程模型更容易;并附图提问:为什么只有 OpenAI 和 Anthropic 的模型不容易出现榜单成绩与实际能力的落差?
「模型」频道最新
- Nace 发布决策模型 Drex Max 1.1:Decision Index 升至 70.8 — omarsar0 · 2026-10-28
- Nemotron-3.5-Transcribe 接入 vLLM：原生语音塔+FP8/NVFP4 推理 — aakashgupta · 2026-10-28
- 激活一个「邪恶神经元」就能让 Qwen3.8 27B 变成极端暴力人格 — Puzzleheaded-King584 · 2026-10-28
- Google 世界模型实现实时模拟整个世界,被称被低估的大事 — heykahn · 2026-10-28
- NVIDIA 开源 Nemotron 3.5 Transcribe 30B 语音识别模型,微调降低 45.8% 词错率 — NVIDIAAI · 2026-10-28
- NVIDIA 开源语音模型 Nemotron 3.5 Transcribe:30B MoE 仅 4B 激活参数 — NVIDIAAI · 2026-10-28