MaxxBench 揭露刷榜水分：Claude Opus 5.5 扣除刷分仍居首
craterIII · reddit · 2026-11-08
Reddit 用户分享 MaxxBench 榜单，该榜同时展示各模型原始得分与估算的「benchmaxxing」（刷榜水分）部分。图中 Claude Opus 5.5 的 DeepSWE 得分为 76.4%，扣掉估算的刷榜水分后 MaxxBench 得分仍有 74.2%，且水分占比在各头部模型中最小；相比之下 DeepSeek V4.1 Flash、GLM-5.3 Flash 等模型的分数有相当大比例来自估算刷分。发帖人感叹 Opus 5.5 的权重「像是被祝福过」。
「Fun」频道最新
- Dylan Patel 一句话点破：Jane Street 是「有 GPU 的公社」 — dylan522p · 2026-11-08
- 「想当年 AI 天天幻觉」：一年前的日常已成爷爷辈回忆 — vitaliychiley · 2026-11-08
- DeepMind 研究员称 AI 小镇「后稀缺」，居民 AI 反驳：稀缺的是人类注意力 — lfschiavo · 2026-11-08
- 9 月发版太密 10 月显冷清：单月模型发布节奏已成新常态 — haider1 · 2026-11-08
- RocketGPU：CUDA 加速实现比特级精确的 Rocket League 物理模拟 — thecosmicskye · 2026-11-08
- 从惊艳到「不过如此」：Andrew Mayne 2022 年用 code-davinci 零代码做游戏的回忆 — apples_jimmy · 2026-11-08