用户质疑第三方AI榜单脱离真实工作流

Reddit 等社区用户质疑 Artificial Analysis 等第三方 AI 排行榜难以代表真实使用环境，批评集中于评测禁用联网和外部工具、限制任务步数与时间，以及测试设置带有较强主观性。 这些限制可能使模型在贴近实际工作的复杂任务中的表现，与榜单成绩产生偏差；相关质疑文章还将问题归纳为四到六类缺陷。现有内容反映的是用户及批评者对评测方法的争议。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。