一份拿真实修错当考场的成绩单被摆了出来,头两名只差一分。而追上来的那家刚把两家老牌一起平了。这摆法我看完先记那六行再掂追平那半句。记的掂的点在下面一层层摆。摆好了看六行,行在下面摆着,摆好了自己比。
六行是这样记的。考场是两个仓库里一百零五道连前沿模型在上个季度都没修出来的错,找得到就修、修得出算分。成绩是 GPT-6 Astra 四十五分、Muse Wonder Full 1.0 四十四、Fable 5.1 四十三、Opus 5.5 四十一分七。
Muse Spark 1.3 三十二分二。Grok 4.7 二十九分,摆的第二层是这份名单给出来的那句话。话是那家社交巨头刚刚追平了 Anthropic 和 OpenAI 两家老牌、可喜可贺。摆的第三层在下面摆着,摆好了别眨眼,眨眼就翻过去了。过去一页少一页。
预告是这样挂的。发帖人把更多努力档位和更多轮次的结果排在了下一条里。说当晚就放。挂的第四层是这份实测给行业的分量。分量是真实修错这种活把几家旗舰压在了一分上下的区间里。轻量档也第一次挤进了这张桌子,摆的第五层是我的保留。保留是这组成绩为社区实测、我按实测记账。几档设置与轮次我没复核、以后续线程为准。
点评两句。第一句是拿真实仓库的历史错题当考卷这步今年值得所有做评测的人学一发,学了的榜才贴近干活现场。第二句是头两名只差一分这半句今年会让一批觉得某一家已经遥遥领先的人先去把差距按在一分上掂量,掂完的回来点赞,句号。
36 浏览 0 评论
0 反应













