［离大谱］DS V4.1 Flash在livebench居然追平5.6Sol

V_Arrow · 2026-09-11T01:05:00+08:00

睡前刷到这个榜单给我看傻了……由于是手机所以不太方便截图。感觉现在除了新出的Terminal bench 4.0，别的榜单全被刷烂了啊…… ^-^livebench.aiLiveBench

1610

V_Arrow2026-09-11
16922
睡前刷到这个榜单给我看傻了……由于是手机所以不太方便截图。感觉现在除了新出的Terminal bench 4.0，别的榜单全被刷烂了啊…… ^-^
livebench.ai
LiveBench
主楼
Lazelz2026-09-11
31841
绝对有问题这第四列成绩明显填错了
#1
wayned2026-09-11
5892
看到更上面的 Muse Spark 1.3 xHigh Effort，我释怀了 ^-^
#2
V_Arrow2026-09-11
16922
要么就是DS和哈基米、muse一样疯狂刷题，v4.1f真有这水平可不止核弹爆炸瘫坐了
#3
V_Arrow2026-09-11
16922
想不到梁子这个浓眉大眼的也开始走刷分这条路了
#4
wayned2026-09-11
5892
有可能是主观刷分，还有可能就是训练的时候评判标准就是用的这些 benchmark 类似的方式，导致模型偏向刷分
#5
咪叭2026-09-11
6906
刷分没办法，现在都看这个分数
分数都比不过的模型，就会失去很多人的关注
#6
SwiftUI2026-09-11
18463
其实和刷分不一定有关系比如tb2.1貌似最近出的几个模型虽然说都高但是都只能跑那么高换成tb4就能拉开很大差异
#7
doro2026-09-11
6143
就是刷分……这些AI榜单本质上与手机性能榜没有区别
#8
V_Arrow2026-09-11
16922
是的，所以目前我个人暂时就以这个4.0的榜单为准了
#9
Dumbledore2026-09-11
37953
好蒸，多蒸，常蒸，等国家大手制裁
#10

登录后回复