天上火 (@109016794) 在 感觉现在的 AI 社区有点魔了 中发帖

现在什么新模型不管出没出来(灰测)都是测一堆 svg 和前端 以此来界定这个模型做的好不好 强不强大 后端相关的测试永远少之又少 就那几个 还没什么人在意 
甚至你的前端能力强到一定程度直接会被社区封为 sota
哪怕实际上你这个“ sota” 的后端能力连 deepseek 都打不过
所以我就觉得这种评测方式很畸形
另外现在流行的另一种对比方式:“比谁赢的基准测试更多谁就是 sota ” 这种对比方法同样是没有一点逻辑可言 且不提基准测试之间就有含金量之分 再往上上升 不同领域之间也有含金量之分 对比谁赢的基准测试更多的应该是对有含金量的领域赢的更多 有含金量的基准测试赢的更多 而不是比谁刷的更勤恳 我在十个基准测试里赢不了你 那我就刷 20 个基准 只要我精挑细选总有我赢的基准 按照这种对比方法 厂商只需要针对模型的特长去定制基准 甚至不需要去升级模型 只需要去升级基准 就可以保...