说个暴论哈，
现在大部分的benchmark的出题人能力已经赶不上顶级模型了，
那种几个前端小游戏小动画已经完全不能反映出模型能力。
(特别是一个测试到处被转发的时候）
所以想要测出模型的上限能力，其实就看三点：
1.大众选择
2.公司估值
3.自己换着用用，看看适合自己的（现在模型在细分领域越差越大）
发布于 辽宁