teortaxesTex：个人榜单可贵在没有故意刷分
teortaxesTex · x · 2026-11-13
teortaxesTex 表示更看重个人维护的模型排行榜，因为无论是否代表整体，它们至少不是故意做过刷分优化（benchmaxxed），且这个排名的画像其实说得通——更像「执行明确任务」而非「哄用户开心」。他随后猜测 @aquilesfd 也得不断读最新的作弊报告，观察自家模型如何钻测试空子。
所属事件:开发者以自家项目建编程基准，21 任务横评 19 模型(2 条相关)→
「模型」频道最新
- Dylan Patel：DeepSeek 与 Moonshot 开源代码仅支持 Blackwell — anshulkundaje · 2026-11-13
- 特斯拉 FSD 深夜雪路实测：芬兰黑暗结冰路面顺利避让公交 — yunta_tsai · 2026-11-13
- Claude 拒绝为禁 AI 贡献的开源项目干活，争论随之而来 — esrtweet · 2026-11-13
- Thinking Machines Inkling 2 Small 上架 Ollama：594B MoE、1M 上下文 — ollama · 2026-11-13
- Mira Murati 公司如约开源 Inkling 2 Small 模型权重 — samsja19 · 2026-11-13
- 「DeepSeek 用 Blackwell 训练」实锤被推翻：报告附录查无证据 — suchenzang · 2026-11-13