产业观察🔥7.0
AI考场榜拆解（AA榜）：分数不是模型跑出来的，是版本算出来的
📋总体概括
文章拆解Artificial Analysis（AA）榜单的评测机制：9月22日小米开源MiMo-V2.6-Pro以46分登顶开源榜，一个月后Kimi K3.1 Pro以55分即将接棒，出现一个月内两个「开源第一」。作者指出，同一款Kimi K3从7月的57分跌至如今的44分，DeepSeek V4 Pro也从44分降到36分，AA仅以「评测版本变更」解释，未披露分数明细。核心观点是分数波动反映的是评测尺子在变，而非模型能力本身变化。
⚡关键信息
- ▸小米9月22日开源MiMo-V2.6-Pro，以46分登顶AA开源榜。
- ▸Kimi K3.1 Pro发布得分55分，等权重下将成为新的开源第一。
- ▸同款Kimi K3从7月发布时的57分（全球第三）跌至AA页面如今的44分。
- ▸DeepSeek V4 Pro在v4.1时代为44分，现仅36分，跌幅同样未获明细解释。
- ▸作者认为AA只解释评测版本变了，未公开13分差距在各科目的分布。
🔥犀利点评
这份拆解戳破了榜单崇拜的窗户纸：模型没动，分数掉了13分，变的只是评测版本。AA握着尺子还随时改刻度，厂商营销文案却照抄不误。对中国模型产业来说，问题从来不是分数高低，而是裁判权和评分透明度都在别人手里。与其追榜，不如逼评测方公布每个科目的版本化明细，否则所谓「开源第一」不过是评测迭代的副产品。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 虎嗅24小时 阅读全文 →