Reddit 热议:模型在刷不现实的基准,日常可用智能其实已达标

Informal-Trouble2183 · reddit · 2026-10-29

一位 Reddit 用户提出观点:当前基准测试把门槛推向普通开发者很少遇到的场景,比如二进制逆向工程、一次性生成复杂应用,还要求特定设计模式,而真正需要的是准确遵循指令、不过度发挥的模型。

作者以「画一只骑自行车的鹈鹕 SVG」为例:简单干净的图形就该算 100% 通过,模型没有理由自作主张加上 3D 阴影、动画或复杂背景。他认为仅凭模型额外渲染出的 3D 细节来评分是主要误区,这些边缘能力在日常使用中未必用得上,却在排行榜上被赋予过高权重。