- V_Arrow2026-09-11
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
- wayned2026-09-11
看到更上面的 Muse Spark 1.3 xHigh Effort，我释怀了 ^-^
- V_Arrow2026-09-11
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
- V_Arrow2026-09-11
想不到梁子这个浓眉大眼的也开始走刷分这条路了
- wayned2026-09-11
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
- 咪叭2026-09-11
- SwiftUI2026-09-11
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
- doro2026-09-11
就是刷分……这些AI榜单本质上与手机性能榜没有区别
- V_Arrow2026-09-11
是的，所以目前我个人暂时就以这个4.0的榜单为准了
- Dumbledore2026-09-11
好蒸，多蒸，常蒸，等国家大手制裁
