大模型评测标准变革

1. 18:42
   钛媒体精选

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。