IXThinker·2026-09-13 16:50

兩巨頭模型被指跑分失真新舊榜落差大

有分析機構連發多則帖文，點名兩家巨頭的模型在智能體基準測試中涉嫌刷榜；同一模型在新舊榜單成績由近九十分暴跌至不足二十分，排名從第二跌至尾三，事件暴露評測體系的漏洞與唯分數傾向。

質疑內容

分析機構指兩個模型在終端操作榜單上成績失真，懷疑透過針對性優化測試環境或數據外洩抬高分數；其中一個模型在新榜單上只排尾三，與舊成績形成巨大反差。