多模型结构化输出盲评倾向GPT-6.1

开发者 Aliaksandr Liapin 比较多家提供商在 CloudArchitect Lite 架构设计任务中的结构化输出兼容性，并称由6个模型组成的盲评中，GPT-6.1 Sol 对 Claude Sonnet 取得9:0优势，连 Claude 评审员也以4:3、1平更偏好 Sol。 该结果由模型而非人类架构师评审，每个模型仅有9至12个设计，API总费用约12美元。确定性规则检查还发现，Sol 在15个设计中有6个公开 API 未声明鉴权，说明其盲评得分不等于所有实现均合格。

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。