AI模型评测被指偏重演示

一位 AI 从业者批评新模型发布后的评测时间线常被酷功能演示占据，缺少探索能力边界的深度测试；他表示因此只关注 Dan Shipper 的评测，因为这类内容更能揭示模型的实际能力上限。 这一观点反映的是个人对现有评测内容侧重的判断，并非对各模型性能或评测方法已经形成统一结论的说明。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。