AI排行榜正在经历一场信用重估

钛媒体文章指出，传统大模型基准测试分数已普遍饱和，而Surge AI等新评测揭示了模型在工程判断和长流程任务上的真实差距。中国模型在全球调用量领先，但在美国设计的新评测中表现不佳，反映出测试条件、工具链和地域差异的影响。企业应根据自身业务风险和成本效益选择适合的模型。