北京
分享至
在模型的高端梯队里，真实世界的可用性远比 AA 上那 +/- 2 分重要得多。这是 Nathan Lambert 给出的判断。
他提到，对一款模型来说，AA 分数更像是一种潜力指标，理解这一点需要花些时间。潜力归潜力，落到实际使用上，有的模型能打，有的模型会失手。
他举的例子是 opus 5 与 5.5 之间的对比。按他的说法，3.1 看起来更偏向失手的那一侧。
这条判断放在当下的榜单语境里更值得琢磨。有声音指出，在 Kimi K3.1 之后，OpenAI 在 AA 分析上甚至已经排不进前五。
两件事摆在一起，指向的是同一个问题：榜单名次和分数能说明一部分潜力，但模型到底好不好用，得看它在真实场景里是命中还是落空。分数接近的两个版本，实际表现可能分处两侧。
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.
