若不如 Kimi K3 就质疑基准：模型成绩反成基准试金石
nitarshan · x · 2026-11-10
讨论指出一种判断基准可靠性的思路：如果一个重要领域的新基准上，某前沿模型（fable 5.2）的得分反而低于 Kimi K3 等模型，那更可能是基准本身有严重缺陷，而非模型不行——因为若该领域真有价值，前沿模型不应落败。
「模型」频道最新
- Gemini 4 Carbon 同步登陆 AI Studio：输入 $2/输出 $10 定价曝光 — Angaisb_ · 2026-11-10
- Gemini 4 Carbon 上线 Vertex：主打长程 Agent 编码，1M 输出 — Angaisb_ · 2026-11-10
- Claude 拒装 Sci-Hub 还说教，学者质疑模型不该自作道德判断 — sebkrier · 2026-11-10
- Ripple 65-B 上架 Ollama:百万上下文、本地跑 agentic 编码 — ollama · 2026-11-10
- Claude 突然用俄语思考,还被自家安全分类器拦下回复 — teortaxesTex · 2026-11-10
- Ultralytics 实测:Claude Fable 5.2 拒答全部10张行李X光,连普通手机都拒 — RexDouglass · 2026-11-10