Reddit 用户吐槽:模型越升级越难用,「有用性」无人评测
86obsessed · reddit · 2026-10-31
Reddit 用户发长帖吐槽前沿模型「越强越没用」：模型频繁把自己的解读当作用户的明确要求、过早锚定错误方向、固执坚持无效路径，还引用 6.1 Sol High 那段「可靠性失败」自我反省式回复作为例证。作者称每次版本升级这些问题都更严重，几乎所有前沿模型（含 ChatGPT）近几周都近乎不可用，只会浪费时间、token 和算力。他质疑行业缺少衡量「通用有用性与问题解决能力」的 benchmark，认为这是各家心照不宣回避的房间里的大象。
所属事件:Reddit 用户吐槽前沿模型越升级越难用(2 条相关)→
「模型」频道最新
- DeepSeek与Unsloth评测打架:128K推理预算差异成争议焦点 — danielhanchen · 2026-10-31
- Perplexity CEO 曝 Gemini 4 Carbon 早期评测:长文研究质量创新 SoTA — OfficialLoganK · 2026-10-31
- 复现 Cohere 报告的 Qwen 异常行为：指向特定 URL 概率低至 10^-18 — apollo_mg · 2026-10-31
- 同卡实测：Qwen 3.8 27B 全面胜过 Flash Next，BFCL 81.5% 对 78.2% — Fragrant_Scale6456 · 2026-10-31
- 网传 Anthropic「Claude Fable 5」权重经配置错误的 S3 泄露，共 8TB — speedb0at · 2026-10-31
- 雷达图显示 GLM-5.3 与 Claude 人格高度相似，引圈内热议 — emollick · 2026-10-31