6 轮评测对比:GPT-6.2-sol 判定一致率 11/23,远逊 6.1 的 21/23

0xkarasy · x · 2026-11-21

0xkarasy 引用一张评测表格称 OpenAI「在 gpt-6.2 上明显搞砸了」:在 23 个案例的 LLM-judge 一致性对比中,gpt-6.1-sol 有 21 个与作者判定结果一致,而新的 gpt-6.2-sol 只有 11 个——经过 6 轮 evals 后新模型表现反而大幅退步。这是对 OpenAI 新版模型的第三方实测质疑。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →