基准私有化后开源模型显原形:闭源领先被严重高估的榜单掩盖

rickasaurus · x · 2026-10-29

Artificial Analysis 发布 Intelligence Index v5,首次让 60% 的评测基于私有测试集或隐藏答案,并新增 FrontierCode 2.0 等基准与 Progress Index v1(用单一连续尺度追踪模型能力随时间演进)。

LLMJunky 引用此消息指出一个关键现象:当基准不再公开,开源模型的成绩明显变差。他承认 DeepSeek 4.1 Flash 和 GLM 5.3 确实出色,但对「中国已经追上」「家里就有 Opus」的叙事表示怀疑——行业现在几乎无视所有公开基准成绩,希望私有基准能让评测恢复可信度。