北京
分享至
AI圈有人晒出一张对比图。
3倍训练算力砸下去，SWE-Bench多语言任务只提升1%。
Terminal Bench 2.0倒是涨了21%。
但眼尖网友发现，K2.5用的还是非思考模式。
「如果这些基准测试没用，那他们搞这些就太奇怪了。」
这条吐槽瞬间点燃评论区。
大模型Scaling Law失效的焦虑，又冒头了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
