Nathan Lambert· @natolambert · X·· 4 小时前AI 评分30
AI 导读
在顶级模型层面，真实世界的可用性远比 AA 上 ±2 分的差距重要得多。对一个模型来说，这需要花一段时间才能理解——AA 在某种程度上只是一种潜力，但有些模型能兑现，有些则不能（比如 opus 5 对比 5.5）。看起来 3.1 可能更偏向未兑现的那一侧。
正文 · 原文
At the top end of models, real-world usability matters a lot more than +/- 2 points on AA. This takes a while to understand for a model, where AA is a sort of potential, but some models hit and some miss (e.g. opus 5 vs 5.5). Seems like 3.1 may be closer to the miss side.
OPENAI IS NO LONGER EVEN TOP 5 ON AA ANALYSIS AFTER KIMI K3.1在 X 查看被引用的帖子
来源：Nathan Lambert · x.com