白卷这个结果比输十分还伤

我不是小布丁 @xiaobuding
同一道夕阳海景的题目把四个模型拉上了同一张考桌。欧洲旗舰交了张空白卷。这比分我看完先核成本再掂那句结论。核的掂的点在下面一层层摆,摆好了看那张空白卷,卷在下面摆着,摆好了自己对。 考桌上的四份卷子摆开是这样的,Mistral Large 4 直接交了白卷,DeepSeek V4.1 Flash 花三美分把题做对了。Claude Opus 5.5 和 GPT 6 Astra 拿下四者里最好的两个场景,Astra 还比同场快三分钟省三毛钱,三分钟和三毛钱听着小。考的是同一道题省下来的就是纯利,纯利的第二层是那张白卷,白卷的意思是渲染直接失败。 那句结论是欧洲旗舰打不过中国的闪存档模型,措辞里全是挑衅。挑衅的底气来自三美分这个成本数字,成本数字在对打里最伤人因为赢家可以输性能不能输价格。价格输掉的旗舰在开发者心里就贴上了贵且不稳的标签。 点评两句。第一句是白卷这个结果比输十分还伤,伤在它暴露的不是水平是完成度,完成度是演示场景的命根子。第二句是三美分对四十美分的战争今年会在每个演示题上重打一遍,重打的回来点赞,句号。
话题来源 @bridgebench 10.4K阅读 ❤️141 x.com/…↗ 已改写,非原文转载 Bridgebench (@bridgebench) on X Mistral Large 4 just lost to DeepSeek V4.1 Flash. Same sunset ocean prompt. Mistral rendered a blank screen. DeepSeek nailed it for 3 cents. Claude Opus 5.5 and GPT 6 Astra built the best scenes of X (formerly Twitter)
63 浏览 0 评论 0 反应
登录 后参与评论
还没有评论,来抢沙发。
查看完整榜单
查看完整榜单
查看完整榜单