补充基准称小型Flash模型稳健性偏弱

研究者srchvrs公布补充基准实测结果，Luna、DeepSeek Flash、GLM-Flash及Gemini Flash等小尺寸模型的稳健性普遍弱于对应大模型。该结果提醒，生产环境选用轻量化模型时需评估其稳定性；但目前仅来自单一基准，尚不足以证明这一规律适用于所有模型。 同一基准还显示，训练数据量较大的最新大模型在稳健性和减少“刷榜过拟合”方面表现更好，美国成熟厂商整体占优，中国等新进入者差距较明显。研究者据Luna结果推测OpenAI小型模型表现可能同样不佳，但这并非直接实测结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。