研究者吐槽榜单文化：真强者无需刷爆评测

2026年10月7日，AGI Hunt 报道，研究者 ryunuck 在 X 上提出一个反直觉观点：真正强的模型应当是不刷爆任何 benchmark、而作者还坚决回击称「你们的评测都是垃圾」的模型。该说法被解读为对 AI 圈过度依赖公开榜单的评测文化的讽刺——当各实验室都围绕同一批 benchmark 做优化时，榜单成绩与真实能力可能脱节。ryunuck 期待的信号是模型强到让现有评测体系失效，而不是在现有体系里拿高分。目前这仍属研究者个人发言与媒体转述，报道中未提及任何实验室或评测机构的回应。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。