综合榜单以文本为主,DeepSeek 等视觉能力难体现
TwoBlueFools · reddit · 2026-11-13
作者质疑用 Artificial Analysis 等综合排行榜为实际工作选模型的可靠性：真实使用大量涉及截图、图表、仪表盘和文档，而 Intelligence Index 虽含少量图像任务，主体仍是文本评测，分数无法反映模型解读复杂图表的能力。
文中提到 DeepSeek 于 9 月发布带原生视觉的 v4.1 Flash，腾讯 Hy4 也在 11 月加入视觉理解；作者近期用 Hy4 分析财务图表，整体趋势把握不错、能输出研究简报，但数字仍需人工复核。
作者结论：模型总分可能掩盖其在日常任务上的真实水平，建议直接在自己的实际工作上测试，而非依赖排行榜。
「模型」频道最新
- Claude 短暂宕机后已恢复，作者确认服务正常 — Salmaaboukarr · 2026-11-13
- 谷歌或放弃显式缓存：Gemini 4 与新版 API 均不支持 — danson729 · 2026-11-13
- 一个 Prompt 生成 2200 行球鞋网站，ERNIE 5.5 Flash 4 分 53 秒完成 — Div_pradeep · 2026-11-13
- OpenAI 千页 Yang-Mills 证明遭专家首次评估:尚未完全过关 — mishig25 · 2026-11-13
- Terminal-Bench 4.0 算账:GPT-6.1 Sol 以约 1/8 成本逼近 Opus 5.5 — LeadershipNo2904 · 2026-11-13
- HF 员工推荐 basal-2.0-mini:基于 Bielik 1.5B 的决策微调模型 — lhoestq · 2026-11-13