开源模型刷分失真，作者倡议另建细分评测

针对国产开源模型集体刷高AA榜分数、跑分与体感严重背离的现象，有文章提出开源模型应放弃综合榜单竞争，转向建立贴合真实任务与环境的细分领域Benchmark。 作者以DeepSeek 4.1 Flash专注推理效率、K3优化前端小游戏数据为例，主张国产模型在各自赛道做到第一，并称将开源一个真实任务Benchmark社区。 上述主张为作者观点，其所称的细分评测效果尚未得到验证。

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。