开发者观点：前沿模型评测中，5 分钟怪笑话比 40 个跑分更直观

korymath 在「周日辣评」中提出，用 5 分钟让前沿模型写一个怪笑话，比查看 40 个 benchmark 数字更能判断其真实水平。这一观点针对 benchmark 驱动的评测文化，批评跑分表格难以呈现模型的实际表现；原文未提供更多论证细节。