开源模型差距在扩大还是指标在失真？两条推文交锋

teortaxesTex · x · 2026-11-03

博主 Adam Holtererer 称在 GDPx 榜单上最好的开源模型 DeepSeek 4.1 Flash 得分不到 Claude Opus 5.5 的一半，若排除 Opus 拒答的领域也仅约三分之一，认为开源模型落后程度已达近期之最。teortaxesTex 反驳称这类指数可以随意炮制，真正变化的不是差距本身，而是市场对高价值专业能力评测的需求上升，并质疑 R1 在 GDP 类基准上是否接近过 o3-mini。围绕评测指标可信度与开源/闭源差距的争论。