刷榜模型实绩与跑分脱节，业内观望两款新版本

业内讨论认为，一些针对 benchmark 优化的“刷榜”模型在实际发布和使用中的表现明显不及跑分，导致榜单成绩与真实能力之间的可信度受到质疑。 目前业内正观望 1017 和 3.1 Pro 两个版本，希望其能扭转这一局面；两者的实际表现及能否改善模型真实能力仍待验证。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。