独立团队实测验证:Horizon 模型宣称的 SOTA 成绩基本属实

maksym_andr · x · 2026-11-19

针对「Horizon(Opus 5.5)是否夸大了自身贡献」的质疑,作者团队做了人工核查:在一个 Opus 模型从未见过的新生成的合成数据集上复测,模型表现确实出色。配套报告还显示:- 排查了过拟合、基准与竞品挑选问题,未发现错配证据;- Horizon 选择按验证集 F1 发布 checkpoint,即便其报告的测试分数看起来更差,验证集也是更好的代理指标;- 团队用 MiMo V2.6 Pro 自建 held-out 合成基准,评估 4 个模型家族,发现这些模型在窄任务上常常达到同尺寸 SOTA(如 Injection Guard 系列在 held-out 测试上进入帕累托前沿)。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →