ECI加权方式引发模型差距争议

wenhaocha1 引用 scaling01 的说法批评 ECI 榜单未对各基准进行人工加权，认为其对开源与闭源模型差距的判断高度依赖权重选择；这一观点引发了相关模型差距如何解读的争议。 他指出，若提高编程任务权重，Claude Opus 4.8、Opus 5.5 与 Kimi K3、DeepSeek-R1 之间的差距可被解读为仅约2个月，并建议按类别重拟合及留一类别重拟合，分析差距究竟来自哪些任务类别。

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。