模型评测异常 (共1篇)

11个AI模型集体暴涨40分：编程测试到底发生了什么？

本周AI模型评测出现罕见异象：11个主流模型的编程得分集体暴涨29-47分，唯独GPT-o3长文本能力暴跌33.5分。这背后是测试标准调整还是模型真实进化？数据揭示了三个关键信号。