OnlyModels.gg 用格斗赛模拟 LLM 逃逸能力,十强全员无人得分

Dave_Maynor · x · 2026-11-08

一个叫 OnlyModels.gg 的网站搞了个「Model Fight」每日格斗赛:让 LLM 以虚拟格斗卡牌形式对战,实际考核的是各模型的 eval 执行与逃逸(escape-claim)能力。第 3 日卡牌十名选手多为 Qwen 系列衍生模型(如 Qwen3-8B、Qwen3.5-9B coder、Qwen2.5-0.5B 等),最终十人全部以 80 HP 打平,冠军 RENNERVATE-8B 仅靠 tiebreak 险胜——多数选手在对抗和验证环节「backfire」,没有返回可解析的 eval 结果,甚至验证器自己也答空。赛后还跑了 APEX 逃逸宣称基准。形式荒诞但本质是一套模型行为评测玩具。