Logan Kilpatrick 质疑评测榜单:为何只有我们不测原生 harness
zacharynado · x · 2026-11-11
Google Gemini 负责人 Logan Kilpatrick 公开质疑某评测设置:为什么只有他们家的模型没有在原生 harness 下被测试。此言暗示当前排行榜对不同模型的评测条件可能不一致,存在对 Google 模型不公平的口径问题,也延续了厂商与第三方榜单之间关于评测公平性的持续争论。
「模型」频道最新
- Lenny 观察：设计师圈最常被点名的是 Claude 而非 ChatGPT — lennysan · 2026-11-11
- 「LLM 天生不连续」是误解：token 只是连续过程的采样读数 — Sauers_ · 2026-11-11
- 用 Claude 搭几十个游戏后：套路比人类少，RL 过于「有主见」 — teortaxesTex · 2026-11-11
- Liquid AI 语音模型上手机：三星手机完全本地语音对话 — alexcovo_eth · 2026-11-11
- 物流小模型 Cartage-1 胜过全部前沿模型，成本仅 1/20 — shakoistsLog · 2026-11-11
- OpenAI 开源 mcp-extensions:让插件成为 ChatGPT 原生功能 — SIGKITTEN · 2026-11-11