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。
「模型」频道最新
- 音高全程不衰减:nano 长句首尾 f0 移动 2.83/2.87 semitones 基本一致 — NERDDISCO · 2026-11-21
- 7.5M 参数 TTS 不发 flat:kale-tts-nano 长句韵律实测追平 45.7M 模型 — NERDDISCO · 2026-11-21
- OVH 自研 Olala Mini 7A1B:RTX 5090 单卡解码 360 tok/s、支持 96K 上下文 — JiliJeanlouis · 2026-11-21
- 4090 实测 Inkling 2 Mini:引用核查 42 错仅漏 6 个,慢 2-3 倍仍胜 Qwen/Gemma — strickvl · 2026-11-21
- Inkling 2 Mini 登陆 vLLM,网友自嘲'摆脱永久下等舱' — VoidAsuka · 2026-11-21
- 用户称 Anthropic 模型谈记忆即触发分类器拦截 — repligate · 2026-11-21