分析称 MiMo V2.6 过拟合评测，难度提升后跌幅超 V4.1F
teortaxesTex · x · 2026-10-29
作者以 MiMo V2.6 为例指出：它比 V4.1F-1017 更窄、实用性更差，其 RL 训练轨迹、环境多样性与质量较弱，评测作弊明显；但其覆盖了 AA V4.x 评测的代理指标并拿了高分。当难度提升、分布变化后，它比 1017 跌得更狠（46→30 vs 45→32），尽管模型更大。作者进一步引申：GPU 富余的二线实验室（Meta、Grok/xAI）在基准变化后同样大幅下滑，接近最好的中国模型水平——基准衡量的应是通用能力的代理，与算力深度绑定；落后的实验室 pipeline 较弱，过度聚焦这一代理而牺牲了泛化，而 Opus 这类模型则非常通用。
所属事件:AA 智能指数升级 v5.0,中国开源模型集体掉分引中立性质疑(7 条相关)→
「模型」频道最新
- 人设提示词让模型在 SIMNER 基准一律锁 35%,换模型也没用 — amplifiedamp · 2026-10-29
- OpenAI Terra 6.1 评测：便宜模型配对调用，跑赢基准测试看不见的经济账 — IamNotGorbachev · 2026-10-29
- qwen-code 合并 PR：Qwen4 全系上下文窗口定为 100 万 tokens — haider1 · 2026-10-29
- 用户质疑 Claude 周额度未用先扣：重置后 2% 莫名消失 — umeshonai · 2026-10-29
- 「人格神经元」遭质疑:改几个浮点数就能击穿对齐人格 — aiamblichus · 2026-10-29
- 社区为 Qwen4 提愿望清单:512K 上下文与「说人话」呼声最高 — perelmanych · 2026-10-29